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
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
基于矢量量化变分自编码器的混凝土表观裂缝检测算法
被引量：
1
1
作者
刘超
吴纪曙
《同济大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2024年第11期1699-1705,共7页
提出了一种基于第2代矢量量化变分自编码器(VQ-VAE-2)的自监督混凝土表观裂缝检测算法,可以在缺少裂缝样本的条件下实现高效检测。以重建误差为检测指标,利用无裂缝图片训练VQ-VAE-2,使其在重建裂缝图片时产生更大的重建误差;在计算重...
提出了一种基于第2代矢量量化变分自编码器(VQ-VAE-2)的自监督混凝土表观裂缝检测算法,可以在缺少裂缝样本的条件下实现高效检测。以重建误差为检测指标,利用无裂缝图片训练VQ-VAE-2,使其在重建裂缝图片时产生更大的重建误差;在计算重建误差时将原图和重建图片均分割成若干图块,取对应图块间重建误差最大值作为图片的重建误差,以增大2类图片的重建误差差异。结果表明,该算法的精确率为0.954,召回率为0.959,准确率为0.956,F1分数为0.957。在无裂缝样本作为训练集的情况下,该算法能较好地完成混凝土表观裂缝检测任务。
展开更多
关键词
桥梁工程
混凝土表观裂缝
检测
深度学习
变分自编码器
异常检测
在线阅读
下载PDF
职称材料
基于HU-ResNet的混凝土表观裂缝信息提取
被引量：
12
2
作者
徐国整
廖晨聪
+2 位作者
陈锦剑
董斌
周越
《计算机工程》
CAS
CSCD
北大核心
2020年第11期279-285,共7页
针对混凝土结构表观裂缝检测准确率低、细节信息丢失及精度不高等问题,提出一种利用HU-ResNet卷积神经网络的混凝土表观裂缝检测方法。基于改进U-Net网络建立HU-ResNet模型,采用经ImageNet预训练的ResNet34残差网络作为编码器,以保留裂...
针对混凝土结构表观裂缝检测准确率低、细节信息丢失及精度不高等问题,提出一种利用HU-ResNet卷积神经网络的混凝土表观裂缝检测方法。基于改进U-Net网络建立HU-ResNet模型,采用经ImageNet预训练的ResNet34残差网络作为编码器,以保留裂缝细节信息并加速网络收敛,引入scSE注意力机制模块在空间和通道重新标定编码块与解码块的输出特征,并利用超柱模块融合解码器各阶段所输出特征图获取更精确的裂缝图像语义信息和定位,同时采用组合损失函数进一步提高裂缝图像精度。实验结果表明,该模型的像素准确率、交并比和F1值分别达到0.9904、0.6933和0.8166,优于Canny、区域生长等传统数字图像模型和FCN8s、U-Net、U-ResNet等深度学习模型且裂缝检测更精准。
展开更多
关键词
混凝土表观裂缝
HU-ResNet卷积神经网络
组合损失函数
scSE模块
超柱模块
在线阅读
下载PDF
职称材料
题名
基于矢量量化变分自编码器的混凝土表观裂缝检测算法
被引量：
1
1
作者
刘超
吴纪曙
机构
同济大学土木工程学院
出处
《同济大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2024年第11期1699-1705,共7页
文摘
提出了一种基于第2代矢量量化变分自编码器(VQ-VAE-2)的自监督混凝土表观裂缝检测算法,可以在缺少裂缝样本的条件下实现高效检测。以重建误差为检测指标,利用无裂缝图片训练VQ-VAE-2,使其在重建裂缝图片时产生更大的重建误差;在计算重建误差时将原图和重建图片均分割成若干图块,取对应图块间重建误差最大值作为图片的重建误差,以增大2类图片的重建误差差异。结果表明,该算法的精确率为0.954,召回率为0.959,准确率为0.956,F1分数为0.957。在无裂缝样本作为训练集的情况下,该算法能较好地完成混凝土表观裂缝检测任务。
关键词
桥梁工程
混凝土表观裂缝
检测
深度学习
变分自编码器
异常检测
Keywords
bridge engineering
concrete structural apparent crack detection
deep learning
variational autoencoders
anomaly detection
分类号
U445.71 [建筑科学—桥梁与隧道工程]
在线阅读
下载PDF
职称材料
题名
基于HU-ResNet的混凝土表观裂缝信息提取
被引量：
12
2
作者
徐国整
廖晨聪
陈锦剑
董斌
周越
机构
上海交通大学船舶海洋与建筑工程学院
上海交通大学电子信息与电气工程学院
东南大学土木工程学院
出处
《计算机工程》
CAS
CSCD
北大核心
2020年第11期279-285,共7页
基金
国家自然科学基金(51978399)。
文摘
针对混凝土结构表观裂缝检测准确率低、细节信息丢失及精度不高等问题,提出一种利用HU-ResNet卷积神经网络的混凝土表观裂缝检测方法。基于改进U-Net网络建立HU-ResNet模型,采用经ImageNet预训练的ResNet34残差网络作为编码器,以保留裂缝细节信息并加速网络收敛,引入scSE注意力机制模块在空间和通道重新标定编码块与解码块的输出特征,并利用超柱模块融合解码器各阶段所输出特征图获取更精确的裂缝图像语义信息和定位,同时采用组合损失函数进一步提高裂缝图像精度。实验结果表明,该模型的像素准确率、交并比和F1值分别达到0.9904、0.6933和0.8166,优于Canny、区域生长等传统数字图像模型和FCN8s、U-Net、U-ResNet等深度学习模型且裂缝检测更精准。
关键词
混凝土表观裂缝
HU-ResNet卷积神经网络
组合损失函数
scSE模块
超柱模块
Keywords
apparent crack of concrete
HU-ResNet Convolutional Neural Networks(CNN)
combined loss function
scSE module
hypercolumn module
分类号
TP391 [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
作者
出处
发文年
被引量
操作
1
基于矢量量化变分自编码器的混凝土表观裂缝检测算法
刘超
吴纪曙
《同济大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2024
1
在线阅读
下载PDF
职称材料
2
基于HU-ResNet的混凝土表观裂缝信息提取
徐国整
廖晨聪
陈锦剑
董斌
周越
《计算机工程》
CAS
CSCD
北大核心
2020
12
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
