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
共找到1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：
基于DeepLabV3+网络改进的快速隧道病害分割方法
1
作者 郭道俊 周幸宇 +2 位作者 许崇帮 刘玉静 李宏哲 《公路交通科技》 CSCD 北大核心 2023年第8期127-135,共9页
为避免依托人工进行隧道定期检测方式中由于工作人员的专业水平差异及个人主观性对检测结果的影响,同时降低人工参与成本,提高巡检检测效率,提升检测精度,降低病害的漏检、错检概率,推动隧道检测智能化、数字化提升,提出了一种基于Deepl... 为避免依托人工进行隧道定期检测方式中由于工作人员的专业水平差异及个人主观性对检测结果的影响,同时降低人工参与成本,提高巡检检测效率,提升检测精度,降低病害的漏检、错检概率,推动隧道检测智能化、数字化提升,提出了一种基于DeeplabV3+模型改进的快速隧道病害分割方法。采用Google团队提出的MobileNet-V2轻量化网络替换了原DeeplabV3+模型中的Xception主干网络。引入当前较为热门的主流且分割效果好的PSPNet,U-Net,与原网络、改进后的网络模型进行了多个项目的试验对比。所有模型均经过多次调参训练已达到最好效果。结果表明:原网络的准确率为97.67%,mAP为92.30,mIoU为85.01%,图片处理速度为9.211FPS,使用MobileNet-V2网络替换Xception作为DeepLabV3+的主干网络,其准确率为98.09%,mAP为94.38%,mIoU为85.14%,FPS为13.409,均为所有网络中最优值;在保证高性能图像分类准确率、分割精确度、交并比的前提下,图像分割网络的运算速度与效率提升了45.6%。U-Net模型、PSPNet模型的FPS分别为10.173,11.852,mIoU分别为78.58%,64.56%。改进网络的效率较U-Net,PSPNet的效率分别提高了31.8%,13.1%,mIoU分别提高了4.89%,23.87%;该方法不仅提升了图像处理速度,同时可以使得小型化低性能设备上部署图像分割任务变得可行,并且满足在小型移动设备上部署的要求。 展开更多
关键词 隧道工程 语义分割 机器学习 隧道表观病害图像 轻量化网络
原文传递
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
使用帮助 返回顶部