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
基于轻量卷积神经网络的高速铁路隧道表面病害筛选算法
被引量：
5
1
作者
黄晓东
漆泰岳
覃少杰
《铁道标准设计》
北大核心
2022年第5期112-118,共7页
随着急剧增加的高速铁路隧道检测需求,基于计算机视觉的高速铁路隧道病害识别和健康检测是国内外的新趋势。然而,高速铁路隧道结构表面图像大多数是无病害图像(占比90%以上),剔除大量无病害图像而只保存有病害图像,可以大幅减少图像存...
随着急剧增加的高速铁路隧道检测需求,基于计算机视觉的高速铁路隧道病害识别和健康检测是国内外的新趋势。然而,高速铁路隧道结构表面图像大多数是无病害图像(占比90%以上),剔除大量无病害图像而只保存有病害图像,可以大幅减少图像存贮量和降低高速海量存贮对硬件要求。为此,提出一种基于深度卷积神经网络的隧道表面病害筛选算法,以推理速度和预测精度均衡的残差神经网络ResNet-18作为主干结构,将深度可分离卷积替代标准卷积搭建适用于实时筛选的轻量模型ResNet-DS(Depthwise Separable),采用权重损失函数、静态离线量化进行模型优化,新算法对神经网络轻量化,实现了海量图像高速识别和剔除。结果表明:改进的轻量模型识别精度高达98.67%,与原模型相比较,筛选速度在GPU(RTX 2060Super 8G)上提升22%(10.86 ms/张),在CPU上提升178%(21.20 ms/张)。该研究为病害快速采集系统提供一种实时筛选算法,更好地满足检测需求。
展开更多
关键词
高速铁路
铁路隧道
表面病害
深度学习
卷积神经网络
轻量模型
图像分类
在线阅读
下载PDF
职称材料
题名
基于轻量卷积神经网络的高速铁路隧道表面病害筛选算法
被引量：
5
1
作者
黄晓东
漆泰岳
覃少杰
机构
西南交通大学土木工程学院
广州地铁集团有限公司
西南交通大学交通隧道工程教育部重点实验室
出处
《铁道标准设计》
北大核心
2022年第5期112-118,共7页
基金
国家自然科学基金项目(51978582)。
文摘
随着急剧增加的高速铁路隧道检测需求,基于计算机视觉的高速铁路隧道病害识别和健康检测是国内外的新趋势。然而,高速铁路隧道结构表面图像大多数是无病害图像(占比90%以上),剔除大量无病害图像而只保存有病害图像,可以大幅减少图像存贮量和降低高速海量存贮对硬件要求。为此,提出一种基于深度卷积神经网络的隧道表面病害筛选算法,以推理速度和预测精度均衡的残差神经网络ResNet-18作为主干结构,将深度可分离卷积替代标准卷积搭建适用于实时筛选的轻量模型ResNet-DS(Depthwise Separable),采用权重损失函数、静态离线量化进行模型优化,新算法对神经网络轻量化,实现了海量图像高速识别和剔除。结果表明:改进的轻量模型识别精度高达98.67%,与原模型相比较,筛选速度在GPU(RTX 2060Super 8G)上提升22%(10.86 ms/张),在CPU上提升178%(21.20 ms/张)。该研究为病害快速采集系统提供一种实时筛选算法,更好地满足检测需求。
关键词
高速铁路
铁路隧道
表面病害
深度学习
卷积神经网络
轻量模型
图像分类
Keywords
high speed railway
railway tunnel
surface defect
deep learning
convolution neural network
lightweight model
image classification
分类号
U457 [建筑科学—桥梁与隧道工程]
U238 [交通运输工程—道路与铁道工程]
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
基于轻量卷积神经网络的高速铁路隧道表面病害筛选算法
黄晓东
漆泰岳
覃少杰
《铁道标准设计》
北大核心
2022
5
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
