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
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于搜索分析深度学习网络(SaNet)的粗粒土级配识别
1
作者
庞元恩
石国栋
+5 位作者
段煜
姚敏
吉浩泽
罗鸣
李茂彪
李旭
《岩土工程学报》
EI
CAS
CSCD
北大核心
2024年第9期1984-1993,共10页
粗粒土广泛应用于路基、土石坝等填方工程中,然而传统筛分法耗时低效,无法满足级配快速的质量检测需求。为解决上述问题,构建了黄河粉土、石英砂粗粒土“图像-级配”关系数据库,共22380张图像;针对二维图像与三维级配的不匹配的矛盾,构...
粗粒土广泛应用于路基、土石坝等填方工程中,然而传统筛分法耗时低效,无法满足级配快速的质量检测需求。为解决上述问题,构建了黄河粉土、石英砂粗粒土“图像-级配”关系数据库,共22380张图像;针对二维图像与三维级配的不匹配的矛盾,构建了任意图像输入数量的搜索-分析网络(searcher-analyzer network,SaNet),基于该网络训练所得模型精度随图像数的增加稳定提升,黄河粉土,石英砂的级配识别平均误差分别为1.63%,1.21%,拟合优度分别为0.995,0.992。结果表明:基于SaNet架构构建的机器学习模型具有较高的级配识别精度,能够满足填方工程中实时无损的级配检测需求。
展开更多
关键词
粗粒土
级配
卷积神经
网络
搜索-分析网络
深度学习
图像识别
在线阅读
下载PDF
职称材料
题名
基于搜索分析深度学习网络(SaNet)的粗粒土级配识别
1
作者
庞元恩
石国栋
段煜
姚敏
吉浩泽
罗鸣
李茂彪
李旭
机构
北京交通大学城市地下工程教育部重点实验室
出处
《岩土工程学报》
EI
CAS
CSCD
北大核心
2024年第9期1984-1993,共10页
基金
国家重点研发计划项目(2022YFE0200400)。
文摘
粗粒土广泛应用于路基、土石坝等填方工程中,然而传统筛分法耗时低效,无法满足级配快速的质量检测需求。为解决上述问题,构建了黄河粉土、石英砂粗粒土“图像-级配”关系数据库,共22380张图像;针对二维图像与三维级配的不匹配的矛盾,构建了任意图像输入数量的搜索-分析网络(searcher-analyzer network,SaNet),基于该网络训练所得模型精度随图像数的增加稳定提升,黄河粉土,石英砂的级配识别平均误差分别为1.63%,1.21%,拟合优度分别为0.995,0.992。结果表明:基于SaNet架构构建的机器学习模型具有较高的级配识别精度,能够满足填方工程中实时无损的级配检测需求。
关键词
粗粒土
级配
卷积神经
网络
搜索-分析网络
深度学习
图像识别
Keywords
coarse
-
grained soil
gradation
convolutional neural network
searcher
-
analyzer network
deep learning
image recognition
分类号
TU411 [建筑科学—岩土工程]
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
基于搜索分析深度学习网络(SaNet)的粗粒土级配识别
庞元恩
石国栋
段煜
姚敏
吉浩泽
罗鸣
李茂彪
李旭
《岩土工程学报》
EI
CAS
CSCD
北大核心
2024
0
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
