基于FlowS-Unet的遥感图像建筑物变化检测 被引量：28

1

作者 顾炼 许诗起 竺乐庆 《自动化学报》 EI CSCD 北大核心 2020年第6期1291-1300,共10页

针对目前人为探察土地资源利用情况的任务繁重、办事效率低下等问题,提出了一种基于深度卷积神经网络的建筑物变化检测方法,利用高分辨率遥感图像实时检测每个区域新建与扩建的建筑物,以方便对土地资源进行有效管理.本文受超列(Hypercol... 针对目前人为探察土地资源利用情况的任务繁重、办事效率低下等问题,提出了一种基于深度卷积神经网络的建筑物变化检测方法,利用高分辨率遥感图像实时检测每个区域新建与扩建的建筑物,以方便对土地资源进行有效管理.本文受超列(Hypercolumn)和FlowNet中的细化(Refinement)结构启发,将细化和其他改进应用到U-Net,提出FlowS-Unet网络.首先对遥感图像裁剪、去噪、标注语义制作数据集,将该数据集划分为训练集和测试集,对训练集进行数据增强,并根据训练集图像的均值和方差对所有图像进行归一化;然后将训练集输入集成了多尺度交叉训练、多重损失计算、Adam优化的全卷积神经网络FlowS-Unet中进行训练;最后对网络模型的预测结果进行膨胀、腐蚀以及孔洞填充等后处理得到最终的分割结果.本文以人工分割结果为参考标准进行对比测试,用FlowS-Unet检测得到的F1分数高达0.943,明显优于FCN和U-Net的预测结果.实验结果表明,FlowS-Unet能够实时准确地将新建与扩建的建筑物变化检测出来,并且该模型也可扩展到其他类似的图像检测问题中. 展开更多

关键词 FlowS-Unet 建筑物变化检测 全卷积神经网络 多尺度交叉训练 多重损失

下载PDF 职称材料

基于改进的全卷积神经网络的路面裂缝分割技术 被引量：24

2

作者 翁飘 陆彦辉 +1 位作者 齐宪标 杨守义 《计算机工程与应用》 CSCD 北大核心 2019年第16期235-239,245,共6页

裂缝是路面表面的重要病害之一。传统的裂缝检测依赖于人工的视觉检查,在实际操作中费时费力。虽然传统的图像处理技术在一定程度上可使裂缝检测与分割更加自动化,但是图像处理技术易受到由光照、模糊等引起的一些噪声的影响。为了完成... 裂缝是路面表面的重要病害之一。传统的裂缝检测依赖于人工的视觉检查,在实际操作中费时费力。虽然传统的图像处理技术在一定程度上可使裂缝检测与分割更加自动化,但是图像处理技术易受到由光照、模糊等引起的一些噪声的影响。为了完成复杂环境下对路面裂缝的分割及检测,提出了一种基于改进的全卷积神经网络(Fully Convolutional Networks,FCN)的分割方法,根据建立的数据集训练传统FCN和优化后的FCN,测试结果表明其平均交并比(mean_IoU)得到了一定的提高,故该方法能够较准确地分割出路面裂缝。 展开更多

关键词 裂缝检测 图像处理 全卷积网络(fcn) 平均交并比

下载PDF 职称材料

基于特征融合并行优化模型的电能质量扰动分类方法 被引量：12

3

作者 龚正 邹阳 +3 位作者 金涛 刘宇龙 兰名扬 刘梓强 《中国电机工程学报》 EI CSCD 北大核心 2023年第3期1017-1026,共10页

为了提高对复杂电能质量扰动(power quality disturbances,PQDs)的分类准确率,该文提出一种基于特征融合并行优化模型的PQDs分类方法。该方法以特征融合的方式,使用全卷积神经网络(fully convolutional networks,FCN)和长短期记忆网络(l... 为了提高对复杂电能质量扰动(power quality disturbances,PQDs)的分类准确率,该文提出一种基于特征融合并行优化模型的PQDs分类方法。该方法以特征融合的方式,使用全卷积神经网络(fully convolutional networks,FCN)和长短期记忆网络(long short-term memory,LSTM)并行挖掘PQDs在空间和时序上的高维特征,并提出全局最大池化(global max pooling,GMP)和时间序列重组(time series reshape,TSR)优化,提升模型的分类性能。为了验证所提方法的有效性,该文基于Keras框架搭建分类模型,建立含72类扰动的PQDs数据库并进行仿真实验,所提方法在20dB白噪声环境中平均分类准确率可达92.38%,相较于其他主流深度学习分类方法有更高的噪声鲁棒性和分类准确率。另外,对硬件平台所采样的10类PQDs进行分类测试,共100组实验信号均得到正确分类,该结果进一步验证了所提方法的可靠性。 展开更多

关键词 电能质量扰动 全卷积神经网络 长短期记忆网络 特征融合 并行模型

下载PDF 职称材料

基于FCN的多方向自然场景文字检测方法 被引量：13

4

作者 杨剑锋 王润民 +2 位作者 何璇 李秀梅 钱盛友 《计算机工程与应用》 CSCD 北大核心 2020年第2期164-170,共7页

传统的自然场景文字检测方法所采用的手工设计特征在应对复杂自然场景时缺乏鲁棒性。针对复杂自然场景中的多方向文字检测问题,提出了一种新的基于深度学习文字检测方法,采用全卷积网络(Fully Convolutional Networks,FCN)并融合多尺度... 传统的自然场景文字检测方法所采用的手工设计特征在应对复杂自然场景时缺乏鲁棒性。针对复杂自然场景中的多方向文字检测问题,提出了一种新的基于深度学习文字检测方法,采用全卷积网络(Fully Convolutional Networks,FCN)并融合多尺度文字特征图,结合语义分割的方法分割文字候选区域,利用分割得到的文字候选区域直接获取文字候选检测框并进行扩大补偿处理,对文字候选检测框进行后处理得到最终检测结果。该方法在ICDAR2013、ICDAR2015标准数据集进行了测评,实验结果表明该方法相比一些最新方法取得了更好的性能。 展开更多

关键词 自然场景文字检测 深度学习 全卷积网络 语义分割

下载PDF 职称材料

基于FCN与面向对象的滨海湿地植被分类 被引量：9

5

作者 谢锦莹 丁丽霞 +1 位作者 王志辉 刘丽娟 《林业科学》 EI CAS CSCD 北大核心 2020年第8期98-106,共9页

【目的】提出一种基于全卷积神经网络(FCN)与面向对象的滨海湿地植被分类方法,以提高滨海湿地植被监测效果。【方法】以浙江慈溪部分杭州湾滨海湿地为研究区,基于高分辨率QuickBird影像,采用FCN与面向对象相结合的方法监测滨海湿地植被... 【目的】提出一种基于全卷积神经网络(FCN)与面向对象的滨海湿地植被分类方法,以提高滨海湿地植被监测效果。【方法】以浙江慈溪部分杭州湾滨海湿地为研究区,基于高分辨率QuickBird影像,采用FCN与面向对象相结合的方法监测滨海湿地植被:1)融合QuickBird影像的多光谱数据和全色数据提高影像空间分辨率,运用目视判读制作标签图,以100×100窗口选取样本后进行翻转、旋转等操作,获得训练样本4904对、测试样本544对,采用FCN对样本完成训练后得到相应的模型参数用于整幅影像,获得全图分类结果;2)对原始影像进行多尺度分割,利用平均全局评分指数法确定最优分割尺度为170,以最优分割结果对FCN分类结果进行边界约束,得到最终分类结果并制作滨海湿地植被分类图;3)基于混淆矩阵对仅采用FCN处理的结果影像及采用FCN与面向对象相结合处理的结果影像进行精度评价。【结果】1)采用FCN处理的影像分类总体精度达94.39%,典型滨海湿地植被精度均在85%以上,但分类结果存在少量椒盐现象,分类误差产生的主要原因是滨海湿地下垫面背景复杂,不同植被类型空间分布杂乱;2)将面向对象与FCN相结合处理的结果影像可消除椒盐现象,总体精度达97.56%,典型滨海湿地植被精度均在90%以上。【结论】基于FCN的滨海湿地植被分类方法能够有效从高分辨率影像中提取典型滨海湿地植被信息,在此基础上结合面向对象的多尺度分割方法可有效消除椒盐现象,弥补基于像元分类的缺陷,优化滨海湿地植被分类结果,在滨海湿地植被监测方面值得推广和运用。 展开更多

关键词 滨海湿地植被 遥感监测 全卷积神经网络 面向对象 高分辨率

下载PDF 职称材料

基于FCN和互信息的医学图像配准技术研究 被引量：6

6

作者 曾安 王烈基 +1 位作者 潘丹 黄殷 《计算机工程与应用》 CSCD 北大核心 2020年第18期202-208,共7页

针对传统配准方法在进行三维多模态图像配准时存在收敛速度较慢、容易陷入极值等问题,提出一种基于全卷积神经网络(Fully Convolutional Networks,FCN)和互信息的配准方法。利用FCN模型提取二维图像深层特征并进行粗配准;将得到的配准... 针对传统配准方法在进行三维多模态图像配准时存在收敛速度较慢、容易陷入极值等问题,提出一种基于全卷积神经网络(Fully Convolutional Networks,FCN)和互信息的配准方法。利用FCN模型提取二维图像深层特征并进行粗配准;将得到的配准结果作为互信息算法的初始搜索点,从而使搜索范围缩小至全局最优解附近;利用互信息算法对参数进一步微调优化,得到最优三维配准结果。实验结果表明,在进行CT-MR图像配准时,所提方法不仅可以大幅度提升配准速度,还能有效避免局部收敛的情况,具有更高的准确性。 展开更多

关键词 全卷积神经网络 互信息算法 多模态 三维图像配准

下载PDF 职称材料

基于FCN的路面裂缝分割算法 被引量：5

7

作者 韩静园 王育坚 +1 位作者 谭卫雄 李深圳 《传感器与微系统》 CSCD 北大核心 2022年第6期146-149,共4页

为了准确地对路面裂缝进行分割,提高复杂背景下路面裂缝分割的效果,将全卷积神经网络(FCN)用于路面裂缝分割。考虑FCN无法对裂缝边缘、图案和形状等特征分配权重,提出一种基于FCN的路面裂缝分割改进算法。通过分析特征通道之间的关系,在... 为了准确地对路面裂缝进行分割,提高复杂背景下路面裂缝分割的效果,将全卷积神经网络(FCN)用于路面裂缝分割。考虑FCN无法对裂缝边缘、图案和形状等特征分配权重,提出一种基于FCN的路面裂缝分割改进算法。通过分析特征通道之间的关系,在FCN的池化层加入挤压和激励模块。利用权重对原始特征在通道上进行重标定,以提升重要特征和抑制无用特征,自适应地为裂缝边缘、图案和形状等特征分配权重。使用真实的路面裂缝数据集对改进模型进行训练,完成了模型的测试和验证。实验结果表明:改进模型的路面分割效果良好,分割结果的误检率、漏检率和DSC综合评价指标等都有较好的改善。 展开更多

关键词 全卷积神经网络 裂缝 挤压和激励 图像分割

下载PDF 职称材料

代价敏感的空中目标意图识别方法 被引量：1

8

作者 丁鹏 宋亚飞 《航空学报》 EI CAS CSCD 北大核心 2023年第24期171-186,共16页

空中意图识别是防空作战指挥决策的基本依据,也是战场认知和智能决策的前提和基础。然而,现有的研究大单一地追求意图识别的准确率,没有考虑意图识别的误判代价是否等价。针对空中目标作战意图识别在现代防空作战决策中的重要作用和现... 空中意图识别是防空作战指挥决策的基本依据,也是战场认知和智能决策的前提和基础。然而,现有的研究大单一地追求意图识别的准确率,没有考虑意图识别的误判代价是否等价。针对空中目标作战意图识别在现代防空作战决策中的重要作用和现阶段意图识别面临的没有考虑误判代价的问题,设计了一种针对空中目标时序数据的GRU-FCN模型提高识别能力,同时提出了一种针对代价敏感意图识别模型的CAIR改进方法。首先,通过分析防空作战的特点,获取空中目标的意图特征并进行预处理。其次,利用GRU模型捕捉时序特征,FCN模型提取数据中的复杂特征,加入CAIR算法使模型具备代价敏感意图识别的能力。最后,通过仿真实验、消融实验、对比实验验证了本文所提模型的效果。实验分析表明:GRU-FCN模型的准确率达到了98.57%,超过对比实验中其他空中目标意图识别模型2.24%;融入代价敏感改进策略后,整体误判代价由0.3467降为0.1757,在保证了准确率满足要求的同时具备了代价敏感意图识别的能力。 展开更多

关键词 深度学习 代价敏感 空中目标 意图识别 门控循环单元(GRU) 全卷积网络(fcn)

原文传递

基于全卷积神经网络的板条多压头成形回弹预测及模具设计

9

作者 朱凌 董金辉 梁棋钰 《中国舰船研究》 CSCD 北大核心 2023年第6期197-207,共11页

[目的]在船体曲面板的冷成形过程中,回弹是影响成形精度的主要因素,为提高板条成形质量,需研究回弹预测方法以获得合适的回弹控制方式,进而指导模具设计。[方法]基于全卷积神经网络(FCN)对回弹图片进行像素级计算和回归计算,从而实现对... [目的]在船体曲面板的冷成形过程中,回弹是影响成形精度的主要因素,为提高板条成形质量,需研究回弹预测方法以获得合适的回弹控制方式,进而指导模具设计。[方法]基于全卷积神经网络(FCN)对回弹图片进行像素级计算和回归计算,从而实现对每个成形位置的回弹量预测。首先,利用ABAQUS 2019建立有限元模型,并通过实验结果进行准确性的对比验证;然后,采用验证后的有限元方法计算获取神经网络训练样本集,将板条几何信息作为神经网络的输入,并基于不同卷积层结构采用TensorFlow深度学习框架来搭建全卷积网络模型;最后,对比分析不同神经网络的优劣,并将最优网络应用于模具设计。[结果]算例分析结果显示:FCN模型预测回弹量的最大误差为8.49%,具有较高的准确度,其中FCN32的精度最高;FCN模型可以实现模具形状的一次性设计,计算时间仅为0.5 s,最大误差仅为1.00%,显著提高了计算效率。[结论]全卷积神经网络算法提供了一种快速高效的板条回弹预测方法,以及快速设计模具形状的新思路。 展开更多

关键词 多压头成形 全卷积神经网络 回弹预测 板条成形

下载PDF 职称材料

基于全卷积网络的左心室射血分数自动检测 被引量：3

10

作者 徐礼胜 张书琪 +1 位作者 牛潇 徐阳 《东北大学学报（自然科学版）》 EI CAS CSCD 北大核心 2018年第11期1572-1576,共5页

提出了一种基于全卷积网络(fully convolutional networks,FCN)的左心室射血分数自动估测的方法.利用全卷积网络对心脏磁共振图像中的左心室进行内轮廓分割,计算心脏左心室在一个心动周期中各时间点的容积,提取左心室舒张末期与收缩末... 提出了一种基于全卷积网络(fully convolutional networks,FCN)的左心室射血分数自动估测的方法.利用全卷积网络对心脏磁共振图像中的左心室进行内轮廓分割,计算心脏左心室在一个心动周期中各时间点的容积,提取左心室舒张末期与收缩末期的容积,最后推导出左心室的射血分数.使用700组图片对全卷积网络进行训练以及440组图片进行测试,并将最后计算结果与美国国立卫生研究院和儿童国家医疗中心提供的射血分数(ejection fraction,EF)金标准进行了对比,计算准确率为89. 8%,结果处在合理的误差范围内. 展开更多

关键词 全卷积网络 射血分数 磁共振图像 左心室分割

下载PDF 职称材料

融合VGG与FCN的智能出租车订单预测模型 被引量：3

11

作者 李浩 霍雯 +2 位作者 裴春营 袁瑶瑶 康雁 《计算机工程》 CAS CSCD 北大核心 2020年第12期276-282,共7页

为提高出租车市场管理和运营效率以及实现出租车效益最大化,在地图栅格化的基础上,提出一种融合VGG网络与全卷积网络(FCN)的出租车多区域订单预测模型。将出租车轨迹数据转换为订单图像,去除VGG网络全连接层仅保留主要结构以减少模型参... 为提高出租车市场管理和运营效率以及实现出租车效益最大化,在地图栅格化的基础上,提出一种融合VGG网络与全卷积网络(FCN)的出租车多区域订单预测模型。将出租车轨迹数据转换为订单图像,去除VGG网络全连接层仅保留主要结构以减少模型参数,利用该网络中深度卷积提取不同空间区域出租车行驶特征,使用FCN中反卷积层上采样重构下一个时间段出租车订单图像,从而获得不同区域和时间段的出租车订单预测数据,并以订单图像形式呈现在地图上。实验结果表明,与BP、RBF等预测模型相比,该模型预测结果平均准确率更高且均方根误差更低,可快速预测出租车多区域订单分布情况。 展开更多

关键词 出租车订单预测 VGG网络 全卷积网络 反卷积层 融合模型

下载PDF 职称材料

基于全卷积神经网络的手术器械图像语义分割算法 被引量：2

12

作者 郑腾辉 陶青川 《现代计算机》 2019年第9期80-84,共5页

为了实现对处于相近颜色盒中的手术器械准确进行像素级分割,提出基于全卷积神经网络(FCN)的手术器械图像语义分割模型。该模型使用VGG19作为基础模型,添加3层反卷积层,使用Adam优化器优化网络,实现手术器械和手术盒的像素级分割。实验... 为了实现对处于相近颜色盒中的手术器械准确进行像素级分割,提出基于全卷积神经网络(FCN)的手术器械图像语义分割模型。该模型使用VGG19作为基础模型,添加3层反卷积层,使用Adam优化器优化网络,实现手术器械和手术盒的像素级分割。实验结果表明:该模型能有效实现图像分割,降低特征值数量,减少网络运行时长。 展开更多

关键词 手术器械 语义分割 全卷积神经网络(fcn) VGG19

下载PDF 职称材料

基于U-Net网络的飞机遥感图像分割

13

作者 刘士琦 《信息与电脑》 2022年第15期204-207,共4页

图像分割技术在城镇建设、自动驾驶、医学图像以及遥感图像等领域有着广泛应用。基于此,分割手工标注飞机遥感图像数据集的图像,先预处理图像和标签,再分别使用全卷积网络(Fully Convolutional Networks,FCN)、U-Net、U-Net++网络进行... 图像分割技术在城镇建设、自动驾驶、医学图像以及遥感图像等领域有着广泛应用。基于此,分割手工标注飞机遥感图像数据集的图像,先预处理图像和标签,再分别使用全卷积网络(Fully Convolutional Networks,FCN)、U-Net、U-Net++网络进行训练。经过对比分析发现,U-Net效果最佳,故选择U-Net作为最终模型。实验结果表明,该模型的mIOU为0.8432,Acc为0.9971,取得了较好的效果,能够有效处理遥感图片信息,实现飞机与周围环境的精准分割。 展开更多

关键词 卷积神经网络(CNN) 计算机视觉 图像分割 U-Net 全卷积网络(fcn)

下载PDF 职称材料

基于FCN的眼底图像中央凹自动检测算法 被引量：1

14

作者 燕杨 黄文博 《吉林大学学报（理学版）》 CAS 北大核心 2020年第4期893-898,共6页

针对传统算法很难识别彩色眼底图像中央凹的问题,提出一种基于全卷积网络(fully convolutional networks, FCN)的眼底图像中央凹自动检测算法.首先通过彩色眼底图像的局部上下文环境挖掘全局上下文信息,构建实现局部像素级分类的FCN模型... 针对传统算法很难识别彩色眼底图像中央凹的问题,提出一种基于全卷积网络(fully convolutional networks, FCN)的眼底图像中央凹自动检测算法.首先通过彩色眼底图像的局部上下文环境挖掘全局上下文信息,构建实现局部像素级分类的FCN模型,然后将局部像素级特征推广到全局金字塔池化模块中,使空间统计数据为全局语境理解提供了更好地描述与表达,从而有效获得了极具区分度的全局上下文信息,最后将全局与局部特征相融合,实现对中央凹的精准检测.实验结果表明,该算法提高了眼底暗病变检测的特异性,并为眼底严重病变的发现提供了有效证据. 展开更多

关键词 眼底图像 中央凹检测 全卷积网络 金字塔池化模块

下载PDF 职称材料

融合多尺度特征的语义分割系统及庭审应用

15

作者 浦世亮 孙海鸣 +1 位作者 张越 孙丽 《计算机工程与应用》 CSCD 北大核心 2017年第20期201-207,共7页

语义分割需要兼顾目标级的高级语义信息和像素级的准确性,所以非常有挑战性。最近,基于全卷积网络的系统在这个领域取得了很大的进展。和分类网络不同,在这些密集预测模型中,综合来自不同层的特征尤为重要,因为这些特征包含着不同级别... 语义分割需要兼顾目标级的高级语义信息和像素级的准确性,所以非常有挑战性。最近,基于全卷积网络的系统在这个领域取得了很大的进展。和分类网络不同,在这些密集预测模型中,综合来自不同层的特征尤为重要,因为这些特征包含着不同级别的信息。什么样的网络结构才能最好地利用这些特征仍然是一个开放的问题。提出了一种混合上下文网络的模块,加入该模块的语义分割系统表现出了非常优越的性能,在庭审场景下亦表现良好。 展开更多

关键词 语义分割 全卷积网络 混合上下文网络 庭审场景

下载PDF 职称材料

基于微型FCN和传感器数据融合的迷宫小车姿态调整 被引量：1

16

作者 李明杰 冯有前 +1 位作者 尹忠海 周诚 《传感器与微系统》 CSCD 2019年第4期93-95,99,共4页

为了实现无人小车在无标志迷宫内的姿态调整,在融合了超声波传感器和摄像头数据的基础上,提出了一种微型全卷积网络(FCN),用于实时分割地面,检测迷宫车道线,进行精确调整。该网络相较于常见的FCN,参数量下降了97%,显存占用下降了86. 44%... 为了实现无人小车在无标志迷宫内的姿态调整,在融合了超声波传感器和摄像头数据的基础上,提出了一种微型全卷积网络(FCN),用于实时分割地面,检测迷宫车道线,进行精确调整。该网络相较于常见的FCN,参数量下降了97%,显存占用下降了86. 44%,检测帧率达到了11. 2 fps,可用于嵌入式系统搭载。经实测检验,算法具有良好的调整效果,可用于小车迷宫内实时姿态调整。 展开更多

关键词 迷宫小车 姿态调整 微型全卷积网络(fcn) 车道线检测

下载PDF 职称材料

基于全卷积网络的图像语义分割方法综述 被引量：21

17

作者 李梦怡 朱定局 《计算机系统应用》 2021年第9期41-52,共12页

自全卷积网络(Fully Convolutional Network,FCN)提出以后,应用深度学习技术在图像语义分割领域受到了许多计算机视觉和机器学习研究者的关注,现在这一方向已经成为人工智能方向的研究热点.FCN的核心思想是搭建一个全卷积网络,输入任意... 自全卷积网络(Fully Convolutional Network,FCN)提出以后,应用深度学习技术在图像语义分割领域受到了许多计算机视觉和机器学习研究者的关注,现在这一方向已经成为人工智能方向的研究热点.FCN的核心思想是搭建一个全卷积网络,输入任意尺寸的图像,经过模型的有效学习和推理得到相同尺寸的输出.FCN的提出给图像语义分割领域提供了新的思路,但也存在很多的缺点,比如特征分辨率低、对象存在多尺度问题等.随着研究者不断的钻研,卷积神经网络在图像分割领域逐渐得到了优化和拓展,基于FCN的主流分割框架也层出不穷.图像语义分割对于场景理解的重要性日渐突出,被广泛应用到无人驾驶技术、无人机领域和医疗影像检测与分析等任务中.因此,对图像语义分割领域的研究将值得深入研究,使其能够更好在实际应用中大放异彩. 展开更多

关键词 图像语义分割 全卷积网络 深度学习 医疗影像

下载PDF 职称材料

基于FCN的岩石混凝土裂隙几何智能识别 被引量：17

18

作者 薛东杰 唐麒淳 +2 位作者 王傲 张辽 周宏伟 《岩石力学与工程学报》 EI CAS CSCD 北大核心 2019年第S02期3393-3403,共11页

裂隙几何的精准、高效识别是建立岩石混凝土材料非连续力学模型的基础。传统算法,如阈值分割、边缘检测与区域生长法等,基于有限经验,工作量大且识别精度低。人工智能识别迥异于人类经验,可自我循环、可自我正反馈甚至可实现自我学习。... 裂隙几何的精准、高效识别是建立岩石混凝土材料非连续力学模型的基础。传统算法,如阈值分割、边缘检测与区域生长法等,基于有限经验,工作量大且识别精度低。人工智能识别迥异于人类经验,可自我循环、可自我正反馈甚至可实现自我学习。人造类材料中混凝土性能最接近于岩石,具有相似的裂纹几何分布特征。针对天然岩石与混凝土裂隙识别,尝试提出基于全卷积神经网络的智能识别算法。首先建立基于混凝土3种应用场景(建筑结构、路面及隧道表面)的裂隙数据集,经过卷积操作、池化操作与反卷积操作实现了误差值的迅速收敛。引入新的卷积核参数,架构新的全卷积网络,基于像素的二分类问题,利用查准率与查全率对识别模型进行评价,全卷积神经网络识别算法评价指标较好。进而结合矢量化算法,实现了裂隙几何长度、宽度及面积的实时统计。最后对边缘检测、大律法、区域生长法及全卷积神经网络算法进行了验证,任意选取5组图像进行识别,新算法提取的裂隙与标签图在定性上最相近,并且在定量上查全率与查准率也极大优于传统算法。全卷积神经网络随着自我学习的深入还可不断提高识别精度,降低误差,未来在岩石、混凝土等工程领域的应用具有巨大生命力。 展开更多

关键词 岩石力学 裂隙识別 传统算法 人工智能识别 全卷积神经网络 查准率 查全率

原文传递

复杂热红外监控场景下行人检测 被引量：14

19

作者 许茗 于晓升 +3 位作者 陈东岳 吴成东 贾同 茹敬雨 《中国图象图形学报》 CSCD 北大核心 2018年第12期1829-1837,共9页

目的复杂热红外监控场景中的行人检测问题是计算机视觉领域的重要研究内容之一,是公共安全、灾难救援以及智慧城市等实际应用中的重要基础任务。现今的热红外行人检测算法大多依据图像中人体目标的灰度值高于场景环境这一假设,导致当环... 目的复杂热红外监控场景中的行人检测问题是计算机视觉领域的重要研究内容之一,是公共安全、灾难救援以及智慧城市等实际应用中的重要基础任务。现今的热红外行人检测算法大多依据图像中人体目标的灰度值高于场景环境这一假设,导致当环境温度升高热红外图像发生灰度值反转时行人检测率较低。为提高行人检测系统在不同场景中的鲁棒性以及行人目标检测率,提出一种面向热红外监控场景的基于频域显著性检测的全卷积网络行人目标检测算法。方法该算法首先对热红外图像进行基于频域的显著性检测,生成对行人目标全覆盖的显著图;然后结合热红外原图像生成感兴趣区域图作为输入,以行人目标概率图为输出,搭建全卷积网络;最后,对热红外行人检测系统进行端对端训练,获取网络输出的行人目标概率图,进而实现行人目标检测。结果论文使用俄亥俄州立大学建立的红外视频数据集OTCBVS中的OSU热红外行人数据库对算法进行验证,与目前5种较为成熟的算法进行对比。实验结果表明,本文算法可以在各种场景中准确检测出行人目标,以MR-FP(丢失率—假阳率)为对比依据,本文算法7%的平均丢失率低于其他算法,具有更高的检测率,对热红外图像中的灰度值反转问题具有更好的鲁棒性。结论本文提出一种面向热红外监控场景的基于频域显著性检测的全卷积网络行人目标检测算法,在实现检测算法端对端训练的同时,提高了其对各种复杂场景的鲁棒性以及行人目标检测率,提升热红外监控系统中行人目标检测性能。 展开更多

关键词 计算机视觉 热红外监控 行人目标检测 显著性检测 全卷积网络

原文传递

基于改进的Mask R-CNN的行人细粒度检测算法 被引量：10

20

作者 朱繁 王洪元 张继 《计算机应用》 CSCD 北大核心 2019年第11期3210-3215,共6页

针对复杂场景下行人检测效果差的问题,采用基于深度学习的目标检测中领先的研究成果,提出了一种基于改进Mask R-CNN框架的行人检测算法。首先,采用K-means算法对行人数据集的目标框进行聚类得到合适的长宽比,通过增加一组长宽比(2∶5)... 针对复杂场景下行人检测效果差的问题,采用基于深度学习的目标检测中领先的研究成果,提出了一种基于改进Mask R-CNN框架的行人检测算法。首先,采用K-means算法对行人数据集的目标框进行聚类得到合适的长宽比,通过增加一组长宽比(2∶5)使12种anchors适应图像中行人的尺寸;然后,结合细粒度图像识别技术,实现行人的高定位精度;其次,采用全卷积网络(FCN)分割前景对象,并进行像素预测获得行人的局部掩码(上半身、下半身),实现对行人的细粒度检测;最后,通过学习行人的局部特征获得行人的整体掩码。为了验证改进算法的有效性,将其与当前具有代表性的目标检测方法(如更快速的区域卷积神经网络(Faster R-CNN)、YOLOv2、R-FCN)在同数据集上进行对比。实验结果表明,改进的算法提高了行人检测的速度和精度,并且降低了误检率。 展开更多

关键词 MASK R-CNN 行人检测 K-MEANS算法 细粒度 全卷积网络

下载PDF 职称材料