基于环形平滑YOLOv5-Ghost的唐卡元素自动检测算法

唐卡是藏传佛教艺术的重要表现形式，其内容丰富、结构复杂、佛元素较多，对其理解与欣赏需要储备大量的唐卡专业知识，而人工对每张唐卡的各种元素进行标注与讲解是一件极为耗时耗力的过程。因此，为了普及和推广唐卡这一特殊艺术类型，本文提出了一种唐卡元素自动检测算法。同时，由于唐卡内容源于绘制创作，存在长宽比例较大等类内差异，而且存在大量角度倾斜，直接应用自然图像检测算法，往往导致检测精度低甚至漏检的问题，本文提出了一种基于改进YOLOv5-Ghost模型的唐卡元素自动检测方法。该方法增加了旋转检测框（RotatedBox），同时用水平检测框和旋转检测框对唐卡元素进行精确检测，在YOLOv5-Ghost模型基础上引入了CSL(Circular Smooth Label)技术，将角度由回归问题转变为分类问题。由于目前在目标检测领域没有标准化的热贡唐卡类数据集以供研究，本文构建了唐卡数据集，并提供了水平标签及旋转目标标签。与传统的YOLOv5以及YOLOv5-Ghost模型相比，实验结果表明，本文算法平均分类精度均值分别提升了16.1%和2.4%，克服了唐卡旋转类元素漏检的状况，使唐卡元素自动检测实现了...