期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
采用U-Net卷积网络的桥梁裂缝检测方法
被引量:
50
1
作者
朱苏雅
杜建超
+1 位作者
李云松
汪小鹏
《西安电子科技大学学报》
EI
CAS
CSCD
北大核心
2019年第4期35-42,共8页
针对传统的桥梁裂缝检测准确性不高、丢失细节信息、宽度信息获取困难等问题,提出一种采用U-Net卷积网络的像素级、小样本的裂缝检测方法。该方法使用多层卷积自动提取裂缝特征,并利用浅层网络与深层网络叠加的方法实现裂缝局部特征与...
针对传统的桥梁裂缝检测准确性不高、丢失细节信息、宽度信息获取困难等问题,提出一种采用U-Net卷积网络的像素级、小样本的裂缝检测方法。该方法使用多层卷积自动提取裂缝特征,并利用浅层网络与深层网络叠加的方法实现裂缝局部特征与抽象特征的融合,从而保留裂缝细节特征,使得检测准确性大大提升。对检测结果中出现的背景杂波和伪裂缝,采用阈值法和改进的迪杰斯特拉连接算法来实现裂缝的精细提取。最后,采用八方向搜索法实现裂缝宽度的精确测量。实验证明,所提方法能准确、完整地对桥梁裂缝进行提取,宽度测量准确,可以满足应用需求。
展开更多
关键词
图像处理
桥梁裂缝检测
卷积神经网络
U-Net网络
下载PDF
职称材料
基于输电巡检图像的山火智能识别方法
被引量:
6
2
作者
杨传凯
吴兵
+3 位作者
孔敏儒
尚宇
朱苏雅
杜建超
《电力信息与通信技术》
2021年第1期66-72,共7页
山火严重威胁着输电设备的安全。文章基于深度学习目标识别算法,提出一种基于SSD网络模型的山火目标检测方法,并针对主干特征提取网络进行改进和优化,引用Inception分组卷积模块,从网络宽度的角度拓展网络,添加更加丰富的卷积核,提高模...
山火严重威胁着输电设备的安全。文章基于深度学习目标识别算法,提出一种基于SSD网络模型的山火目标检测方法,并针对主干特征提取网络进行改进和优化,引用Inception分组卷积模块,从网络宽度的角度拓展网络,添加更加丰富的卷积核,提高模型质量,以实现山火特征的有效提取。此外,针对较大卷积核会导致计算量暴增的问题,提出在模块设计中采用各个分支不交叉、添加1×1卷积层等方式有效地减少网络参数,提高网络的检测速度。实验表明,所提方法能够准确地实现输电线监控场景中的山火检测,在检测准确率、置信度和边框回归效果方面表现出优良的性能。
展开更多
关键词
电力智能巡检
智能监控
山火识别
深度学习
网络优化
下载PDF
职称材料
题名
采用U-Net卷积网络的桥梁裂缝检测方法
被引量:
50
1
作者
朱苏雅
杜建超
李云松
汪小鹏
机构
西安电子科技大学综合业务网理论及关键技术国家重点实验室
西安公路研究院
出处
《西安电子科技大学学报》
EI
CAS
CSCD
北大核心
2019年第4期35-42,共8页
基金
国家自然科学基金(61372069)
文摘
针对传统的桥梁裂缝检测准确性不高、丢失细节信息、宽度信息获取困难等问题,提出一种采用U-Net卷积网络的像素级、小样本的裂缝检测方法。该方法使用多层卷积自动提取裂缝特征,并利用浅层网络与深层网络叠加的方法实现裂缝局部特征与抽象特征的融合,从而保留裂缝细节特征,使得检测准确性大大提升。对检测结果中出现的背景杂波和伪裂缝,采用阈值法和改进的迪杰斯特拉连接算法来实现裂缝的精细提取。最后,采用八方向搜索法实现裂缝宽度的精确测量。实验证明,所提方法能准确、完整地对桥梁裂缝进行提取,宽度测量准确,可以满足应用需求。
关键词
图像处理
桥梁裂缝检测
卷积神经网络
U-Net网络
Keywords
image processing
bridge cracks detection
convolutional neural networks
U-Net network
分类号
TP751 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
基于输电巡检图像的山火智能识别方法
被引量:
6
2
作者
杨传凯
吴兵
孔敏儒
尚宇
朱苏雅
杜建超
机构
国网陕西省电力公司电力科学研究院
西安工程大学
西安电子科技大学综合业务网理论及关键技术国家重点实验室
出处
《电力信息与通信技术》
2021年第1期66-72,共7页
基金
国网陕西省电力公司科技研发项目(5226KY18002J)。
文摘
山火严重威胁着输电设备的安全。文章基于深度学习目标识别算法,提出一种基于SSD网络模型的山火目标检测方法,并针对主干特征提取网络进行改进和优化,引用Inception分组卷积模块,从网络宽度的角度拓展网络,添加更加丰富的卷积核,提高模型质量,以实现山火特征的有效提取。此外,针对较大卷积核会导致计算量暴增的问题,提出在模块设计中采用各个分支不交叉、添加1×1卷积层等方式有效地减少网络参数,提高网络的检测速度。实验表明,所提方法能够准确地实现输电线监控场景中的山火检测,在检测准确率、置信度和边框回归效果方面表现出优良的性能。
关键词
电力智能巡检
智能监控
山火识别
深度学习
网络优化
Keywords
power intelligent patrol
intelligent monitoring
mountain fire detection
deep learning
network optimization
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
采用U-Net卷积网络的桥梁裂缝检测方法
朱苏雅
杜建超
李云松
汪小鹏
《西安电子科技大学学报》
EI
CAS
CSCD
北大核心
2019
50
下载PDF
职称材料
2
基于输电巡检图像的山火智能识别方法
杨传凯
吴兵
孔敏儒
尚宇
朱苏雅
杜建超
《电力信息与通信技术》
2021
6
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部