-
题名基于深度学习的书脊分割与匹配算法
- 1
-
-
作者
姬晓飞
唐李荣
赵思旭
-
机构
沈阳航空航天大学自动化学院
-
出处
《科学技术与工程》
北大核心
2025年第31期13492-13499,共8页
-
基金
辽宁省教育厅重点研究项目(LJKZZ20220033)。
-
文摘
无人图书馆的图书摆放具有极大的随意性,导致现有的书脊分割算法的精度和适应性均无法达到实用的要求,同时大数据量图书的匹配算法也存在实时性差且准确度低的问题,针对以上问题,提出了一种将SAM(segment anything model)分割大模型与多深度特征级联匹配算法相结合的书脊分割与匹配算法,在确保书脊准确分割的前提下对书脊进行精准匹配。首先,引入SAM分割大模型对书籍图像进行分割,其模型通过ViT(vision Transformer)对书脊图像进行高效特征提取,并利用自注意力机制捕捉局部和全局信息,生成高质量的多尺度书脊特征图,从而对书籍图像进行有效准确的分割;其次,提出特征分离网络FHNet(feature hemisection network)模型能同时提取书脊的低频特征、高频特征和高低频融合特征,分别关注书脊图像的颜色、纹理、轮廓信息,增强书脊特征的区分性;同时,引入FAISS(facebook AI similarity search)框架,并将颜色分类、FHNet提取的低频特征、高频特征和高低频融合特征与VGG(visual geometry group)特征做级联匹配,提升算法的实时性。实验表明,多种深度特征级联匹配算法在不同系列书脊匹配任务中准确率为97.93%,在相同系列书脊匹配任务中准确率为95.48%,匹配检索时间为0.3 s,其准确率与匹配速度显著优于其他书脊匹配算法,进一步证明该算法的有效性。
-
关键词
书脊分割匹配
SAM
fhnet
无人图书馆
特征级联
-
Keywords
book spine segmentation matching
SAM
feature hemisection network
unmanned library
cascading features
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
