基于ReInspect算法的多目标追踪

为了提高复杂场景下多目标检测的准确性,提出了一种基于ReInspect算法的对于多个运行目标的检测方法。该算法基于OverFeat算法和Faster R-CNN算法的思想,加入LSTM(long short-term memory)循环网络结构用于记录多个目标的特征序列;通过调整LSTM网络特征标签信息,预处理损失函数,并在追踪后采用置信度分段的方式对检测结果进行匹配,解决对同一目标的重复检测以及目标遮挡问题。实验结果表明,该算法对传统的重叠、遮挡等问题有较好的抗干扰能力,在不同场景下识别准确率均高于90%。

基于协同过滤算法的桥梁复检指引应用方法研究

为在桥梁复检时精准推荐子部件和病害类型,避免复检时全面普检效率低和人资物力浪费的问题,提出一种基于协同过滤算法的桥梁复检指引应用方法。该方法基于句向量思想和协同过滤思想,首先分析桥梁与子部件病害类型的关联关系,得出需复检的子部件,同时结合现有海量检测数据,分析不同桥型、不同部件(子部件)和病害类型的关系;然后为复检推荐出关联子部件最有可能发生的病害,引入计算相似度的杰卡德公式,根据桥梁及部件的相似特征,在样本库中寻找最佳相似桥梁和部件,并给出参照评分。以某高速公路桥梁为应用背景,对比分析现场复检病害类型与推荐病害类型,以及复检得分和参照评分。结果表明:指引的子部件病害类型在复检时被检测出的可能性很大,准确率达到75%以上;复检评分与参照评分相差率基本小于10%;整体提升检测效率约50%;该协同过滤算法可以应用于桥梁复检指引。