基于空间聚合加权卷积神经网络的力触觉足迹识别

为了提高力触觉足迹识别的准确率,提出一种基于空间聚合加权注意力机制的足迹识别算法.首先,采用压力足迹采集器采集并构建一个包含100人2000幅力触觉足迹图像的数据集;然后,采用VGG19卷积神经网络预训练模型提取特征,为获取特征图中足迹压力分布感兴趣区域,设计一种空间聚合加权模块(SAWM),该模块专注高响应区域从而提取足迹中显著区域局部特征,并与输入特征图加权融合,保留显著性特征,抑制不重要特征;最后输出的特征经过平均池化在全连接层实现力触觉足迹的识别.试验结果表明,所提算法准确率达到了91.20%,优于其他注意力机制算法以及传统的足迹识别算法.采用空间聚合加权注意力机制网络模型能够有效进行足迹识别,为身份识别提供技术支撑.

基于迁移学习的桥梁裂缝无损检测方法

为了实现桥梁裂缝的精准、高效、稳定检测,本文提出基于迁移学习的桥梁裂缝无损检测方法。在计算机视觉领域选取网络开源数据集中采集桥梁裂缝图像数据,通过图像增强方式对采集到的图像进行随机明度变化调整与图像仿射变换。将VGG19神经网络作为基础网络模型,对PASCAL VOC数据集图像进行预训练后,利用迁移学习算法将学习到的边缘特征迁移到VGG19神经网络卷积层中,输出特征图,完成桥梁裂缝无损检测。实验结果表明:利用设计方法进行桥梁裂缝无损检测测试过程中,针对不同数据集所获取的R值、P值与F1值均高于0.975,验证准确率最高达到98%、损失值最高值为1。由此证明,该方法具有较好的实际应用效果。