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FCN模型和选择性搜索的目标检测方法
被引量：
5
1
作者
林菁
杨楠
臧勤
《雷达与对抗》
2019年第2期58-63,共6页
针对现有的识别算法在复杂环境下鲁棒性较差、准确率较低、检测速率较低慢问题,构建了一种基于全卷积神经网络(FCN)和选择性搜索的检测算法。首先,运用已经训练好的FCN模型快速对前车区域进行语义分割,实现前方目标位置的粗定位;接着,...
针对现有的识别算法在复杂环境下鲁棒性较差、准确率较低、检测速率较低慢问题,构建了一种基于全卷积神经网络(FCN)和选择性搜索的检测算法。首先,运用已经训练好的FCN模型快速对前车区域进行语义分割,实现前方目标位置的粗定位;接着,通过选择性搜索算法提取多尺度的候选区域,并将候选区域放入卷积神经网络分类模型进行分类得到各个候选区域的置信度;最后,通过非极大值抑制法提取最优区域即得到目标所在的精确位置。在LISA数据库的测试结果表明,相对于R-CNN算法,所提出的算法的准确率提高了5.9%,召回率提高了7.1%,平均单张识别时间减少了0.51秒/幅。
展开更多
关键词
目标识别
语义分割
全卷积神经网络
选择性搜索
深度卷积神经网络
非极大值抑制法
在线阅读
下载PDF
职称材料
基于冲击回波声频法和迁移学习的铁路隧道衬砌质量检测自动判识技术
被引量：
19
2
作者
张应迁
姜勇
+1 位作者
冯源
吴佳晔
《铁道建筑》
北大核心
2021年第1期69-72,共4页
选取240张赣州—深圳高速铁路8标段隧道衬砌缺陷图片,将冲击声频回波法和迁移学习方法相结合,从源模型的选取、自定义数据集及标注、预定义参数、训练算法、模型精度分析、缺陷类型及范围的自动标识6个方面对衬砌缺陷识别过程进行了详...
选取240张赣州—深圳高速铁路8标段隧道衬砌缺陷图片,将冲击声频回波法和迁移学习方法相结合,从源模型的选取、自定义数据集及标注、预定义参数、训练算法、模型精度分析、缺陷类型及范围的自动标识6个方面对衬砌缺陷识别过程进行了详细介绍,并对赣深铁路隧道拱顶衬砌质量检测结果进行了识别。结果表明,运用该自动判识技术可以准确识别缺陷类型及位置,模型的泛化能力得到检验,是一种高效的混凝土无损检测技术。
展开更多
关键词
铁路隧道
缺陷识别
理论分析
冲击声频回波
法
迁移学习
Tiny-YOLO模型
非极大值抑制法
在线阅读
下载PDF
职称材料
题名
基于FCN模型和选择性搜索的目标检测方法
被引量：
5
1
作者
林菁
杨楠
臧勤
机构
海军装备部
中国船舶重工集团公司第七二四研究所
出处
《雷达与对抗》
2019年第2期58-63,共6页
文摘
针对现有的识别算法在复杂环境下鲁棒性较差、准确率较低、检测速率较低慢问题,构建了一种基于全卷积神经网络(FCN)和选择性搜索的检测算法。首先,运用已经训练好的FCN模型快速对前车区域进行语义分割,实现前方目标位置的粗定位;接着,通过选择性搜索算法提取多尺度的候选区域,并将候选区域放入卷积神经网络分类模型进行分类得到各个候选区域的置信度;最后,通过非极大值抑制法提取最优区域即得到目标所在的精确位置。在LISA数据库的测试结果表明,相对于R-CNN算法,所提出的算法的准确率提高了5.9%,召回率提高了7.1%,平均单张识别时间减少了0.51秒/幅。
关键词
目标识别
语义分割
全卷积神经网络
选择性搜索
深度卷积神经网络
非极大值抑制法
Keywords
target identification
semantic segmentation
FCN
selective search
depth convolutional neural network
non-maximum suppression method
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
基于冲击回波声频法和迁移学习的铁路隧道衬砌质量检测自动判识技术
被引量：
19
2
作者
张应迁
姜勇
冯源
吴佳晔
机构
四川轻化工大学土木工程学院
四川升拓检测技术股份有限公司
中国国家铁路集团有限公司工程质量监督管理局
西南石油大学机电工程学院
出处
《铁道建筑》
北大核心
2021年第1期69-72,共4页
基金
四川省科技支撑计划(2018GZ0046)
四川省高校重点实验室开放基金(2018QZY01)。
文摘
选取240张赣州—深圳高速铁路8标段隧道衬砌缺陷图片,将冲击声频回波法和迁移学习方法相结合,从源模型的选取、自定义数据集及标注、预定义参数、训练算法、模型精度分析、缺陷类型及范围的自动标识6个方面对衬砌缺陷识别过程进行了详细介绍,并对赣深铁路隧道拱顶衬砌质量检测结果进行了识别。结果表明,运用该自动判识技术可以准确识别缺陷类型及位置,模型的泛化能力得到检验,是一种高效的混凝土无损检测技术。
关键词
铁路隧道
缺陷识别
理论分析
冲击声频回波
法
迁移学习
Tiny-YOLO模型
非极大值抑制法
Keywords
railway tunnel
defect identification
theoretical analysis
impact acoustic echo method
transfer learning
Tiny-YOLO model
non-maximum suppression method
分类号
U459.1 [建筑科学—桥梁与隧道工程]
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FCN模型和选择性搜索的目标检测方法
林菁
杨楠
臧勤
《雷达与对抗》
2019
5
在线阅读
下载PDF
职称材料
2
基于冲击回波声频法和迁移学习的铁路隧道衬砌质量检测自动判识技术
张应迁
姜勇
冯源
吴佳晔
《铁道建筑》
北大核心
2021
19
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
