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
改进YOLOv5的沥青路面病害检测算法
被引量：
1
1
作者
杨振
李林
+2 位作者
罗文婷
倪昌双
傅幼华
《计算机工程与设计》
北大核心
2023年第11期3360-3372,共13页
为提升沥青路面病害自动化识别的准确率,提出一种特征网络增强算法(YOLO-EH)。该网络包含一种可以与CBAM注意力机制进行结合的新型特征增强模块(FEM)以及一种可以对FPN添加反馈链接的新型逆向二次循环特征金字塔网络(RCFPN)。实验结果表...
为提升沥青路面病害自动化识别的准确率,提出一种特征网络增强算法(YOLO-EH)。该网络包含一种可以与CBAM注意力机制进行结合的新型特征增强模块(FEM)以及一种可以对FPN添加反馈链接的新型逆向二次循环特征金字塔网络(RCFPN)。实验结果表明,与原YOLOv5算法相比,YOLO-EH对于同一批路段数据在平均病害识别准确率上提高了2.6个百分点,验证了其准确性与有效性。
展开更多
关键词
深度学习
沥青路面病害识别
目标检测
YOLOv5
注意力机制
特征增强模块
逆向二次循环特征金字塔网络
下载PDF
职称材料
图像数据处理机制在沥青道路裂缝病害识别算法训练中的应用
被引量：
2
2
作者
韩海航
张丽
+2 位作者
吴皓天
陈海珠
胡迪
《科技创新与应用》
2021年第9期29-34,共6页
沥青路面裂缝作为道路典型病害之一,裂缝的自动识别技术在道路检测行业需求极为迫切,但现有的识别算法难以达到工程应用级精度,其主要原因之一是由于路面裂缝图像未有完备的标注规则及数据处理机制。本研究通过对裂缝病害判断规则的制定...
沥青路面裂缝作为道路典型病害之一,裂缝的自动识别技术在道路检测行业需求极为迫切,但现有的识别算法难以达到工程应用级精度,其主要原因之一是由于路面裂缝图像未有完备的标注规则及数据处理机制。本研究通过对裂缝病害判断规则的制定,到路面裂缝的判断依据,据此构建裂缝标准图像训练集,通过完备的数据图像处理流程,可实现路面裂缝较高的识别准确度,为扩大路面裂缝自动识别项目级应用奠定基础。
展开更多
关键词
图像处理
沥青路面
裂缝
病害识别
下载PDF
职称材料
题名
改进YOLOv5的沥青路面病害检测算法
被引量：
1
1
作者
杨振
李林
罗文婷
倪昌双
傅幼华
机构
福建农林大学交通与土木工程学院
福建农林大学数字福建智能交通技术物联网实验室
南京工业大学交通运输工程学院
出处
《计算机工程与设计》
北大核心
2023年第11期3360-3372,共13页
基金
国家重点研发计划基金项目(2021YFB3202901)
福建省高校产学合作重大基金项目(2020H6009)。
文摘
为提升沥青路面病害自动化识别的准确率,提出一种特征网络增强算法(YOLO-EH)。该网络包含一种可以与CBAM注意力机制进行结合的新型特征增强模块(FEM)以及一种可以对FPN添加反馈链接的新型逆向二次循环特征金字塔网络(RCFPN)。实验结果表明,与原YOLOv5算法相比,YOLO-EH对于同一批路段数据在平均病害识别准确率上提高了2.6个百分点,验证了其准确性与有效性。
关键词
深度学习
沥青路面病害识别
目标检测
YOLOv5
注意力机制
特征增强模块
逆向二次循环特征金字塔网络
Keywords
deep
learning
asphalt
pavement
disease
recognition
object
detection
YOLOv5
attention
mechanism
feature
enhancement
module
reverse
quadratic
cyclic
feature
pyramid
network
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
图像数据处理机制在沥青道路裂缝病害识别算法训练中的应用
被引量：
2
2
作者
韩海航
张丽
吴皓天
陈海珠
胡迪
机构
浙江省交通运输科学研究院
浙江网新数字技术有限公司
出处
《科技创新与应用》
2021年第9期29-34,共6页
基金
浙江省交通运输厅科技计划项目(编号:2020053)资助。
文摘
沥青路面裂缝作为道路典型病害之一,裂缝的自动识别技术在道路检测行业需求极为迫切,但现有的识别算法难以达到工程应用级精度,其主要原因之一是由于路面裂缝图像未有完备的标注规则及数据处理机制。本研究通过对裂缝病害判断规则的制定,到路面裂缝的判断依据,据此构建裂缝标准图像训练集,通过完备的数据图像处理流程,可实现路面裂缝较高的识别准确度,为扩大路面裂缝自动识别项目级应用奠定基础。
关键词
图像处理
沥青路面
裂缝
病害识别
Keywords
image
processing
asphalt
pavement
crack
disease
recognition
分类号
U414 [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
改进YOLOv5的沥青路面病害检测算法
杨振
李林
罗文婷
倪昌双
傅幼华
《计算机工程与设计》
北大核心
2023
1
下载PDF
职称材料
2
图像数据处理机制在沥青道路裂缝病害识别算法训练中的应用
韩海航
张丽
吴皓天
陈海珠
胡迪
《科技创新与应用》
2021
2
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
