评估无监督监测在文化遗产 monuments 中的效用
计算机视觉与模式识别
2021-07-05 v1 机器学习
摘要
本文审视多种聚类技术的有效性，探究其在文化遗产监测应用中的适用性。在本文背景下，我们利用高光谱图像检测罗得岛圣尼古拉堡墙壁的分解与腐蚀程度。在14张不同正射校正高光谱图像集上评估了共6种不同聚类方法。本研究实验设置涉及K-means、Spectral、Meanshift、DBSCAN、Birch与Optics算法。对每种技术，我们使用Calinski-Harabasz、Davies-Bouldin指数与Silhouette值等性能指标评估其表现。此方法通过将聚类结果与一组标注图像（表示原始图像分解和/或腐蚀区域的真值）比较来评估。结果表明，应用于给定数据集的少数聚类技术取得了尚可的准确率、精确率、召回率与f1分数。最终观察到腐蚀被相当准确地检测出。
引用
@article{arxiv.2107.00964,
title = {Evaluating the Usefulness of Unsupervised monitoring in Cultural Heritage Monuments},
author = {Charalampos Zafeiropoulos and Ioannis N. Tzortzis and Ioannis Rallis and Eftychios Protopapadakis and Nikolaos Doulamis and Anastasios Doulamis},
journal= {arXiv preprint arXiv:2107.00964},
year = {2021}
}