-
题名SSD网络算法模型在车辆轴型识别中的应用
被引量：4
- 1
-
-
作者
陈铭
陈新
余辉敏
-
机构
南京理工大学自动化学院
-
出处
《兵器装备工程学报》
CSCD
北大核心
2021年第8期227-232,共6页
-
基金
国家重点研发计划项目(2017YFB1001801)
中央高校基本科研业务费专项资金项目(30917012102)。
-
文摘
为了在道路超限超载检测中实时准确识别出车辆轴型,提出了一种基于SSD卷积神经网络的车辆轴型检测方法。该模型基于特征图对车辆轴型进行识别,在VGG16-SSD的基础上加入二次训练的策略,得到优化后的SSD算法模型。模型经过优化后,收敛速度加快,损失函数降低了1%,检测能力提升,二轴车辆轴型的识别准确率达89%。优化后的SSD算法模型能够有效识别不同轴型的车辆,该模型能够满足公路非现场检测需要,检测能力和检测精度能满足公路超限超载检测。
-
关键词
ssd网络算法模型
车辆轴型识别
超限超载治理
卷积神经网络
-
Keywords
ssd algorithm model
axle type recognition
overload control
convolution neural network
-
分类号
U491
[交通运输工程—交通运输规划与管理]
-
-
题名基于SSD算法的老旧建筑墙面裂缝识别
被引量：4
- 2
-
-
作者
周昕
骆莉莎
张瑞军
胡家亮
林晨浩
-
机构
江苏开放大学
-
出处
《科技创新与应用》
2023年第28期36-39,共4页
-
基金
江苏开放大学大学生创新创业基金(省级一般项目)(202114000006)。
-
文摘
老旧建筑物墙面裂缝识别是实现敏感工程环境中建筑物实时监测与及时保护的关键技术措施。该文介绍SSD算法的特点及其在墙面裂缝识别上的应用,通过实际带裂缝墙面照片实例展示识别效果,探讨模型超参数对识别效果的影响。结果表明,SSD算法适合墙面裂缝识别,识别的位置准确。
-
关键词
老旧建筑物
墙面裂缝
目标识别
ssd算法
模型参数
-
Keywords
old buildings
wall cracks
target recognition
ssd algorithm
model parameters
-
分类号
TU746.3
[建筑科学—建筑技术科学]
-
-
题名基于深度学习的水面漂浮物智能检测方法
被引量：3
- 3
-
-
作者
陈任飞
彭勇
吴剑
欧阳文宇
李昱
岳廷秀
-
机构
大连理工大学水利工程学院
大连理工大学人工智能大连研究院
-
出处
《工程科学与技术》
EI
CSCD
北大核心
2023年第3期165-174,共10页
-
基金
大连理工大学人工智能研究院项目(05090001)。
-
文摘
漂浮物作为河道表观污染的重要源头,加强漂浮物检测是改善水环境生态质量的重要途径,也是积极落实“河长制”政策的技术手段。由于水面漂浮物具有场景复杂度高、形状不规则及多尺度形态变化等特点,采用传统的图像识别方法快速有效地检测目标具有较大的挑战性。因此,本文提出了一种基于深度学习的实时且稳健的水面漂浮物智能检测方法。首先,基于稀疏分解思想对低质量漂浮物图像进行降噪和增强处理,初步降低复杂水面环境对漂浮物图像质量的影响。其次,以轻量化MobileNetV2网络取代(single shot multibox detector,SSD)算法中的VGG16网络作为骨干网络,在预测层中将深度可分离卷积取代标准卷积,并采用动态特征金字塔网络提高多尺度漂浮物的检测精度,弥补SSD网络中强制不同层学习相同特征的不足。然后,将统一量化卷积神经网络(Quantized-CNN)框架应用于量化SSD检测器的检测误差,进一步加速卷积层计算和压缩全连接层的参数,降低SSD算法的计算复杂度和内存成本。本文在构建的水面漂浮物数据集上进行的实验结果表明:与现有的图像识别算法相比,改进后的SSD检测算法的平均精度(AP)和综合评价指数(F_(1))分别达到95.86%和94.74%,在硬件GPU下的检测速度达到64.23 FPS,检测算法的参数计算量减少到0.75×10^(9),模型内存成本压缩到6.27 MB。改进SSD算法实现了水面漂浮物检测的高精度和高效率。
-
关键词
漂浮物智能检测
深度学习
ssd算法
动态特征金字塔
模型量化
-
Keywords
intelligent detection of floating objects
deep learning
ssd algorithm
dynamic feature pyramid network
model quantification
-
分类号
TN911.73
[电子电信—通信与信息系统]
TP391.4
[自动化与计算机技术—计算机应用技术]
-
