期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
基于细胞神经网络的桥梁裂痕诊断研究 被引量:1
1
作者 张福新 李国东 《大众科技》 2014年第1期26-29,共4页
为了更好的监测桥梁裂痕,文章提出了一种改进的细胞神经网络桥梁裂痕图像识别方法。该方法通过一定的图像处理,建立裂痕网络和细节网络,同时增加了裂痕相似网络模型,避免了仅对裂痕特征提取信息不能准确识别裂痕的问题。实验证明,改进... 为了更好的监测桥梁裂痕,文章提出了一种改进的细胞神经网络桥梁裂痕图像识别方法。该方法通过一定的图像处理,建立裂痕网络和细节网络,同时增加了裂痕相似网络模型,避免了仅对裂痕特征提取信息不能准确识别裂痕的问题。实验证明,改进的裂痕识别算法实现简单,识别桥梁裂痕准确率高,达到了实时识别技术的要求。 展开更多
关键词 裂痕诊断 桥梁裂痕 细胞神经网络
下载PDF
基于YOLOv 3与注意力机制的桥梁表面裂痕检测算法 被引量:26
2
作者 蔡逢煌 张岳鑫 黄捷 《模式识别与人工智能》 EI CSCD 北大核心 2020年第10期926-933,共8页
为了实现桥梁表面裂痕的快速准确检测和及时修复,在目标检测网络YOLOv3的基础上,结合深度可分离卷积与注意力机制,提出实时检测桥梁表面裂痕的轻量级目标检测网络.使用深度可分离卷积操作替换YOLOv3的标准卷积操作,达到降低网络参数量... 为了实现桥梁表面裂痕的快速准确检测和及时修复,在目标检测网络YOLOv3的基础上,结合深度可分离卷积与注意力机制,提出实时检测桥梁表面裂痕的轻量级目标检测网络.使用深度可分离卷积操作替换YOLOv3的标准卷积操作,达到降低网络参数量的目的.同时为了解决深度可分离卷积操作带来的网络精度下降的问题,引入MobileNet v2的反转残差块.卷积块注意力模块同时关注图像的通道注意力和空间注意力,较好地进行特征的自适应学习.实验表明,文中算法可实现对桥梁表面裂痕的实时检测.相比YOLOv3,具有更高的检测精度和检测速度. 展开更多
关键词 YOLOv3 桥梁表面裂痕检测 深度可分离卷积 注意力机制
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部