期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
混合图像集对排水管缺陷AI检测的影响研究
1
作者 徐增辉 陈星 +3 位作者 洪念成 李前正 许加豪 赵云华 《节能技术》 CAS 2024年第4期306-310,共5页
为提高排水管道缺陷的AI检测模型效果,研究一种基于小样本Faster R-CNN算法的半监督学习方法。该方法利用无缺陷正常管道图像,随机为其生成伪标签,并将其混入具有缺陷标签的图像集中,实现半监督式训练。对管道CCTV视频进行了检测实验,... 为提高排水管道缺陷的AI检测模型效果,研究一种基于小样本Faster R-CNN算法的半监督学习方法。该方法利用无缺陷正常管道图像,随机为其生成伪标签,并将其混入具有缺陷标签的图像集中,实现半监督式训练。对管道CCTV视频进行了检测实验,对比只采用有缺陷图像集训练,混合图像集训练的AI模型对各种管道缺陷的检出率都有较高水准,且缺陷误检率从34.85%下降至6.12%。研究结果表明,采用混合图像集能够影响AI检测模型的缺陷识别效果;在小样本管道缺陷图像训练集和验证集中额外混入十分之一的伪标签图像,训练出的检测模型具有最佳的平均精度均值。 展开更多
关键词 混合图像集 排水管道 半监督学习 伪标签 Faster R-CNN算法 ai检测模型
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部