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SVR模型的自适应区域池化物体检测方法
1
作者
季云峰
邓小龙
徐毅
《计算机工程与设计》
北大核心
2017年第10期2804-2808,共5页
针对物体检测容易受外形、视觉等可变性影响的问题,提出一种利用支持向量回归(SVR)模型的区域池化检测方法,即自适应区域池化方法,该方法适用于分割区域,能自动发现不同的实例和图像块。生成区域方案,每种样本的方案都由不同颜色的边界...
针对物体检测容易受外形、视觉等可变性影响的问题,提出一种利用支持向量回归(SVR)模型的区域池化检测方法,即自适应区域池化方法,该方法适用于分割区域,能自动发现不同的实例和图像块。生成区域方案,每种样本的方案都由不同颜色的边界框表示;利用区域池化法提取特征,解析区域结构;分类数据采用非极大值抑制法得到检测结果。实验结果验证了提出方法的有效性,与其它同类方法相比,该方法对物体检测的性能明显提升,其中平均召回率达到了90.8%,加入CNN特征,性能提升幅度更大。
展开更多
关键词
区域池化
自适应
支持向量回归
非极大值抑制法
分类
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SVR模型的自适应区域池化物体检测方法
1
作者
季云峰
邓小龙
徐毅
机构
江苏信息职业技术学院物联网工程学院
江南大学物联网工程学院
出处
《计算机工程与设计》
北大核心
2017年第10期2804-2808,共5页
基金
国家自然科学基金项目(60974016)
江苏省自然科学基金项目(BK20131097)
江苏高校品牌专业建设工程基金项目(PPZY2015C239)
文摘
针对物体检测容易受外形、视觉等可变性影响的问题,提出一种利用支持向量回归(SVR)模型的区域池化检测方法,即自适应区域池化方法,该方法适用于分割区域,能自动发现不同的实例和图像块。生成区域方案,每种样本的方案都由不同颜色的边界框表示;利用区域池化法提取特征,解析区域结构;分类数据采用非极大值抑制法得到检测结果。实验结果验证了提出方法的有效性,与其它同类方法相比,该方法对物体检测的性能明显提升,其中平均召回率达到了90.8%,加入CNN特征,性能提升幅度更大。
关键词
区域池化
自适应
支持向量回归
非极大值抑制法
分类
Keywords
regional pooling
adaptive
support vector regression
non-maximal suppression method
classification
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
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SVR模型的自适应区域池化物体检测方法
季云峰
邓小龙
徐毅
《计算机工程与设计》
北大核心
2017
0
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
