期刊导航
期刊开放获取
上海教育软件发展有限公..
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
3
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
融合Unet网络和IR-MAD的建筑物变化检测方法
被引量：
12
1
作者
徐锐
余小于
+3 位作者
张驰
杨瑨
黄宇
潘俊
《国土资源遥感》
CSCD
北大核心
2020年第4期90-96,共7页
通过遥感影像对城市建筑物进行变化检测,可以全面掌握城市建筑物的规划实施情况,辅助城市管理部门及时发现并依法查处各类违章建筑。提出了一种融合Unet网络和IR-MAD的城市建筑物变化检测方法,首先,分别使用加权小型Unet网络和IR-MAD检...
通过遥感影像对城市建筑物进行变化检测,可以全面掌握城市建筑物的规划实施情况,辅助城市管理部门及时发现并依法查处各类违章建筑。提出了一种融合Unet网络和IR-MAD的城市建筑物变化检测方法,首先,分别使用加权小型Unet网络和IR-MAD检测遥感影像中的疑似变化像素;然后,基于投票的方式融合疑似变化像素检测结果,确定变化像素;接着通过形态学操作去除斑点噪声、填充变化区域内部孔洞等来优化变化像素区域;最后,基于建筑物阴影特性去除非建筑物的变化区域,从而得到建筑物变化检测结果。实验表明,该方法比仅使用Unet网络或IR-MAD可更准确地检测出遥感影像中的建筑物变化。
展开更多
关键词
卷积神经分割网络
迭代加权多元变化检测
变化检测
在线阅读
下载PDF
职称材料
基于改进Fast-SCNN的塑瓶气泡缺陷实时分割算法
2
作者
付磊
任德均
+3 位作者
吴华运
郜明
邱吕
胡云起
《计算机应用》
CSCD
北大核心
2020年第6期1824-1829,共6页
在医用塑瓶的瓶身气泡检测时,瓶身气泡位置的任意性、气泡大小的不确定性以及气泡特征与瓶身特征之间的相似性增加了气泡缺陷的检测难度。针对上述气泡缺陷检测难点问题,提出了一种基于改进快速分割卷积神经网络(Fast-SCNN)的实时分割...
在医用塑瓶的瓶身气泡检测时,瓶身气泡位置的任意性、气泡大小的不确定性以及气泡特征与瓶身特征之间的相似性增加了气泡缺陷的检测难度。针对上述气泡缺陷检测难点问题,提出了一种基于改进快速分割卷积神经网络(Fast-SCNN)的实时分割算法。该分割算法的基础框架为Fast-SCNN,而为弥补原有网络分割尺寸的鲁棒性不足,借鉴了SENet的通道间信息的利用与多级跳跃连接的思想,具体为网络进一步下采样提取深层特征,在解码阶段将上采样操作融合SELayer模块,同时增加两次与网络浅层的跳跃连接。设计四组对比实验,在气泡数据集上以平均交并比(MIoU)与算法单张分割时间作为评价指标。实验结果表明,改进Fast-SCNN的综合性能最好,其MIoU为97.08%,其预处理后的医用塑瓶的平均检测时间为24.4 ms,其边界分割准确率较Fast-SCNN提升了2.3%,增强了对微小气泡的分割能力,而且该网络的MIoU相较现有的U-Net提升了0.27%,时间上降低了7.5 ms,综合检测性能远超过全卷积神经网络(FCN-8s)。该算法能够有效地对较小的、边缘不清晰的气泡进行分割,满足对气泡缺陷实时分割检测的工程要求。
展开更多
关键词
语义
分割
图像处理
快速
分割
卷积
神经
网络
(Fast-SCNN)
SENet
缺陷检测
在线阅读
下载PDF
职称材料
基于改进Mask-RCNN的飞行器结构裂纹自动检测方法
被引量：
10
3
作者
吕帅帅
杨宇
+1 位作者
王彬文
裴连杰
《振动．测试与诊断》
EI
CSCD
北大核心
2021年第3期487-494,620,共9页
计算机视觉的裂纹自动识别算法在飞机结构疲劳试验中具有较好的工程应用前景,但由于飞机结构构型多样及疲劳试验环境复杂,传统方法的裂纹识别准确率难以满足要求。针对此问题,设计了一种基于关键结构定位的检测策略,并以目标分割算法掩...
计算机视觉的裂纹自动识别算法在飞机结构疲劳试验中具有较好的工程应用前景,但由于飞机结构构型多样及疲劳试验环境复杂,传统方法的裂纹识别准确率难以满足要求。针对此问题,设计了一种基于关键结构定位的检测策略,并以目标分割算法掩码-区域卷积神经网络(Mask-regionconvolutionalneuralnetwork,简称Mask-RCNN)为基础对模型架构和非极大值抑制模块进行了适应性改进,提出了一种裂纹自动识别方法。该方法具有主动避开干扰因素、对图片质量要求较低的特点,同时利用Mask-RCNN将像素信息引入参数优化的特性,具备更高的识别准确率。在元件疲劳试验中,该方法对铆钉、裂纹的识别准确率分别为100%和87.5%,相较于现有方法优势显著。
展开更多
关键词
机器视觉
裂纹
深度学习
目标
分割
算法掩码‐区域
卷积
神经
网络
在线阅读
下载PDF
职称材料
题名
融合Unet网络和IR-MAD的建筑物变化检测方法
被引量：
12
1
作者
徐锐
余小于
张驰
杨瑨
黄宇
潘俊
机构
武汉大学测绘遥感信息工程国家重点实验室
武大吉奥信息技术有限公司
出处
《国土资源遥感》
CSCD
北大核心
2020年第4期90-96,共7页
基金
国家自然科学基金项目“基于临近空间平台的天地一体化信息网络关键技术集成与综合验证”(编号:91738301)资助。
文摘
通过遥感影像对城市建筑物进行变化检测,可以全面掌握城市建筑物的规划实施情况,辅助城市管理部门及时发现并依法查处各类违章建筑。提出了一种融合Unet网络和IR-MAD的城市建筑物变化检测方法,首先,分别使用加权小型Unet网络和IR-MAD检测遥感影像中的疑似变化像素;然后,基于投票的方式融合疑似变化像素检测结果,确定变化像素;接着通过形态学操作去除斑点噪声、填充变化区域内部孔洞等来优化变化像素区域;最后,基于建筑物阴影特性去除非建筑物的变化区域,从而得到建筑物变化检测结果。实验表明,该方法比仅使用Unet网络或IR-MAD可更准确地检测出遥感影像中的建筑物变化。
关键词
卷积神经分割网络
迭代加权多元变化检测
变化检测
Keywords
convolutional neural segmentation network
iteratively weighted multivariate change detection
change detection
分类号
TP79 [自动化与计算机技术—检测技术与自动化装置]
在线阅读
下载PDF
职称材料
题名
基于改进Fast-SCNN的塑瓶气泡缺陷实时分割算法
2
作者
付磊
任德均
吴华运
郜明
邱吕
胡云起
机构
四川大学机械工程学院
出处
《计算机应用》
CSCD
北大核心
2020年第6期1824-1829,共6页
文摘
在医用塑瓶的瓶身气泡检测时,瓶身气泡位置的任意性、气泡大小的不确定性以及气泡特征与瓶身特征之间的相似性增加了气泡缺陷的检测难度。针对上述气泡缺陷检测难点问题,提出了一种基于改进快速分割卷积神经网络(Fast-SCNN)的实时分割算法。该分割算法的基础框架为Fast-SCNN,而为弥补原有网络分割尺寸的鲁棒性不足,借鉴了SENet的通道间信息的利用与多级跳跃连接的思想,具体为网络进一步下采样提取深层特征,在解码阶段将上采样操作融合SELayer模块,同时增加两次与网络浅层的跳跃连接。设计四组对比实验,在气泡数据集上以平均交并比(MIoU)与算法单张分割时间作为评价指标。实验结果表明,改进Fast-SCNN的综合性能最好,其MIoU为97.08%,其预处理后的医用塑瓶的平均检测时间为24.4 ms,其边界分割准确率较Fast-SCNN提升了2.3%,增强了对微小气泡的分割能力,而且该网络的MIoU相较现有的U-Net提升了0.27%,时间上降低了7.5 ms,综合检测性能远超过全卷积神经网络(FCN-8s)。该算法能够有效地对较小的、边缘不清晰的气泡进行分割,满足对气泡缺陷实时分割检测的工程要求。
关键词
语义
分割
图像处理
快速
分割
卷积
神经
网络
(Fast-SCNN)
SENet
缺陷检测
Keywords
semantic segmentation
image processing
Fast Segmentation Convolutional Neural Network(Fast-SCNN)
Squeeze-and-Excitation Networks(SENet)
defect detection
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于改进Mask-RCNN的飞行器结构裂纹自动检测方法
被引量：
10
3
作者
吕帅帅
杨宇
王彬文
裴连杰
机构
中国飞机强度研究所
出处
《振动．测试与诊断》
EI
CSCD
北大核心
2021年第3期487-494,620,共9页
基金
中国飞机强度研究所创新基金资助项目(BYST-CKKJ-20-027)
航空基金(青年基金)资助项目(2020Z061023001)。
文摘
计算机视觉的裂纹自动识别算法在飞机结构疲劳试验中具有较好的工程应用前景,但由于飞机结构构型多样及疲劳试验环境复杂,传统方法的裂纹识别准确率难以满足要求。针对此问题,设计了一种基于关键结构定位的检测策略,并以目标分割算法掩码-区域卷积神经网络(Mask-regionconvolutionalneuralnetwork,简称Mask-RCNN)为基础对模型架构和非极大值抑制模块进行了适应性改进,提出了一种裂纹自动识别方法。该方法具有主动避开干扰因素、对图片质量要求较低的特点,同时利用Mask-RCNN将像素信息引入参数优化的特性,具备更高的识别准确率。在元件疲劳试验中,该方法对铆钉、裂纹的识别准确率分别为100%和87.5%,相较于现有方法优势显著。
关键词
机器视觉
裂纹
深度学习
目标
分割
算法掩码‐区域
卷积
神经
网络
Keywords
machine vision
crack
deep learning
Mask-RCNN
分类号
TH878 [机械工程—精密仪器及机械]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
融合Unet网络和IR-MAD的建筑物变化检测方法
徐锐
余小于
张驰
杨瑨
黄宇
潘俊
《国土资源遥感》
CSCD
北大核心
2020
12
在线阅读
下载PDF
职称材料
2
基于改进Fast-SCNN的塑瓶气泡缺陷实时分割算法
付磊
任德均
吴华运
郜明
邱吕
胡云起
《计算机应用》
CSCD
北大核心
2020
0
在线阅读
下载PDF
职称材料
3
基于改进Mask-RCNN的飞行器结构裂纹自动检测方法
吕帅帅
杨宇
王彬文
裴连杰
《振动．测试与诊断》
EI
CSCD
北大核心
2021
10
在线阅读
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
