Digital Reconstruction of Historical Cultural Landscapes Based on Image Recognition Technology
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
With the advancement of modern society and technology, the preservation and inheritance of historical cultural landscapes have become increasingly significant.These landscapes not only testify to the development of human civilization but are also an essential part of cultural heritage.However, the ravages of time, natural disasters, and human activities continually threaten these valuable cultural assets.To better preserve and pass on these landscapes, digital reconstruction using technological means has become a crucial method.The rapid development of image recognition technology offers new possibilities and solutions for the digital reconstruction of historical cultural landscapes.Although current digital reconstruction methods have improved in automation, they still require enhancements in recognition accuracy and three-dimensional reconstruction effects in complex scenes.Furthermore, the performance of existing methods in handling multi-scale and multiperspective issues is not satisfactory.Therefore, this paper proposes a digital reconstruction method for historical cultural landscapes based on image recognition technology, comprising two main parts: historical cultural landscape target recognition based on Multi-Scale Dilated Convolution YOLOv3 (MSDC-YOLOv3) and three-dimensional reconstruction of historical cultural landscapes based on pyramid feature attention Pixel2Mesh.The MSDC-YOLOv3 technique enables more precise recognition of objects within historical cultural landscapes against complex backgrounds, while the pyramid feature attention Pixel2Mesh method achieves more efficient and accurate 3D reconstruction, providing detailed three-dimensional models.This research not only achieves technical breakthroughs, enhancing the precision and efficiency of recognition and reconstruction, but also holds significant value in the protection and inheritance of cultural heritage, offering new ideas and methods for future research in related fields.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle