期刊导航
期刊开放获取
cqvip
退出
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
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
检索
高级检索
期刊导航
共找到
2
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于YOLOX-MobileNetV3模型的路面病害智能识别研究
被引量：
9
1
作者
李炎清
张关发
+2 位作者
崔志猛
马宗利
仰建岗
《交通节能与环保》
2023年第3期11-17,共7页
目前处理探地雷达(GroundPenetrating Radar,GPR)数据主要依赖于人工,容易造成病害识别误判、漏判率大、速度慢等问题,因此GPR智能目标识别已成为近几年的研究热点。本文提出基于卷积神经网络中的YOLOX-MobileNetV3模型来实现路面病害...
目前处理探地雷达(GroundPenetrating Radar,GPR)数据主要依赖于人工,容易造成病害识别误判、漏判率大、速度慢等问题,因此GPR智能目标识别已成为近几年的研究热点。本文提出基于卷积神经网络中的YOLOX-MobileNetV3模型来实现路面病害自动识别,利用三维数据的高信息量和深度学习智能提取特征的优势,实现路面病害的智能化识别。首先对三维探地雷达得到的GPR图片进行预处理,然后以3∶1的训练集和测试集数量比例对数据进行3轮训练和测试,并利用平均精确度、全类平均精确度、精确度、召回率、F1值、平均漏检率等指标来评价3次训练和测试的结果。结果表明:YOLOX-MobileNetV3模型的训练损失权重平均为5.014,测试准确率平均为61.35%。该模型识别路面结构病害尤其是裂缝、层间黏结不良的准确率较高。同时随着训练与测试轮数的增加,其精确度也会随之增加,召回率会随之减小。由此可见,YOLOX-MobileNetV3模型能够实现路面病害自动识别。
展开更多
关键词
道路检测
三维探地雷达
yolox
-
mobilenetv
3
模型
精确度
下载PDF
职称材料
基于卷积神经网络的多类别路面病害自动识别研究
2
作者
肖海文
蓝嵩
+2 位作者
何国伟
温晓华
仰圣刚
《交通节能与环保》
2024年第5期148-152,共5页
近年来,卷积神经网络因其人工神经元能够对覆盖范围内相邻单元的部分进行响应,对于大型图像处理具有出色表现,正广泛应用于图像智能识别领域。本文针对实际道路中检测到的路面病害图片,应用轻量化的卷积神经网络模型中的YOLOX-MobileNe...
近年来,卷积神经网络因其人工神经元能够对覆盖范围内相邻单元的部分进行响应,对于大型图像处理具有出色表现,正广泛应用于图像智能识别领域。本文针对实际道路中检测到的路面病害图片,应用轻量化的卷积神经网络模型中的YOLOX-MobileNetV3模型进行智能识别,结果表明:轻量化网络模型在样本数量不多时识别平均精度较低,病害全类平均精度在某类病害数量达到5 000处时平均精度有较大提升。
展开更多
关键词
公路养护
图像识别
yolox
-
mobilenetv
3
模型
平均精确度
下载PDF
职称材料
题名
基于YOLOX-MobileNetV3模型的路面病害智能识别研究
被引量：
9
1
作者
李炎清
张关发
崔志猛
马宗利
仰建岗
机构
广州市道路研究院有限公司
广州诚安路桥检测有限公司
华东交通大学交通运输工程学院
华东交通大学土木建筑学院
华东交通大学道路工程研究所
出处
《交通节能与环保》
2023年第3期11-17,共7页
文摘
目前处理探地雷达(GroundPenetrating Radar,GPR)数据主要依赖于人工,容易造成病害识别误判、漏判率大、速度慢等问题,因此GPR智能目标识别已成为近几年的研究热点。本文提出基于卷积神经网络中的YOLOX-MobileNetV3模型来实现路面病害自动识别,利用三维数据的高信息量和深度学习智能提取特征的优势,实现路面病害的智能化识别。首先对三维探地雷达得到的GPR图片进行预处理,然后以3∶1的训练集和测试集数量比例对数据进行3轮训练和测试,并利用平均精确度、全类平均精确度、精确度、召回率、F1值、平均漏检率等指标来评价3次训练和测试的结果。结果表明:YOLOX-MobileNetV3模型的训练损失权重平均为5.014,测试准确率平均为61.35%。该模型识别路面结构病害尤其是裂缝、层间黏结不良的准确率较高。同时随着训练与测试轮数的增加,其精确度也会随之增加,召回率会随之减小。由此可见,YOLOX-MobileNetV3模型能够实现路面病害自动识别。
关键词
道路检测
三维探地雷达
yolox
-
mobilenetv
3
模型
精确度
Keywords
road
detection
3
D
ground
penetrating
radar
yolox
-
mobilenetv
3
model
accuracy
分类号
U416.2 [交通运输工程—道路与铁道工程]
下载PDF
职称材料
题名
基于卷积神经网络的多类别路面病害自动识别研究
2
作者
肖海文
蓝嵩
何国伟
温晓华
仰圣刚
机构
梅州市梅江公路事务中心
华东交通大学交通运输工程学院
出处
《交通节能与环保》
2024年第5期148-152,共5页
文摘
近年来,卷积神经网络因其人工神经元能够对覆盖范围内相邻单元的部分进行响应,对于大型图像处理具有出色表现,正广泛应用于图像智能识别领域。本文针对实际道路中检测到的路面病害图片,应用轻量化的卷积神经网络模型中的YOLOX-MobileNetV3模型进行智能识别,结果表明:轻量化网络模型在样本数量不多时识别平均精度较低,病害全类平均精度在某类病害数量达到5 000处时平均精度有较大提升。
关键词
公路养护
图像识别
yolox
-
mobilenetv
3
模型
平均精确度
Keywords
highway
maintenance
image
recognition
yolox
-
mobilenetv
3
model
average
accuracy
分类号
U418 [交通运输工程—道路与铁道工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于YOLOX-MobileNetV3模型的路面病害智能识别研究
李炎清
张关发
崔志猛
马宗利
仰建岗
《交通节能与环保》
2023
9
下载PDF
职称材料
2
基于卷积神经网络的多类别路面病害自动识别研究
肖海文
蓝嵩
何国伟
温晓华
仰圣刚
《交通节能与环保》
2024
0
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
