【摘 要】
：
道路裂缝是道路在外部环境作用下产生的一种病害,在不加修复的情况下可能会导致较为严重的安全事故。道路裂缝检测即通过一定的方法与手段判断道路中是否产生裂缝的一种检测技术。随着人工智能的急速发展,以深度学习为代表的各类人工智能算法开始应用在道路裂缝检测领域中。本文介绍一种基于通道注意力机制与密集连接机制的道路裂缝识别网络Dense Net-SE及其变体Dense Net-NSE,并将该方法与现存技术进行
论文部分内容阅读
道路裂缝是道路在外部环境作用下产生的一种病害,在不加修复的情况下可能会导致较为严重的安全事故。道路裂缝检测即通过一定的方法与手段判断道路中是否产生裂缝的一种检测技术。随着人工智能的急速发展,以深度学习为代表的各类人工智能算法开始应用在道路裂缝检测领域中。本文介绍一种基于通道注意力机制与密集连接机制的道路裂缝识别网络Dense Net-SE及其变体Dense Net-NSE,并将该方法与现存技术进行测试和分析。此外,本文中还介绍了道路裂缝识别的变体道路裂缝分割技术。本文实验中使用了标准训练方法与生成对抗方法对同一种模型进行训练,并对这两种方法进行了测试和分析。具体而言,本文的主要研究工作如下:（1）对道路裂缝识别与道路裂缝分割技术难点进行分析,对比了两种方法之间的异同点,得到了两种方法的适用范围及优缺点,并对两种方法找到了对应的具有说服力的数据集。使用数据增强技术提高了数据集的样本量,以提高模型的鲁棒性。（2）使用了Alex Net、VGG-16、VGG-19、Res Net-18在道路裂缝数据集SDNET2018中进行了对比实验,并且对不同模型的结构与训练过程进行了分析,为后续Dense Net-SE与Dense Net-NSE提供了参考。（3）在道路裂缝识别技术中,本文对密集连接网络Dense Net的网络结构进行理论分析,提出了一种使用通道注意力模块来改进Dense Net模型的方法,并得到了两个新的模型Dense Net-SE与Dense Net-NSE。实验结果与实地测试验证结果表明,Dense Net-SE与Dense Net-NSE能够提高模型的泛化性能,具备更高的可靠性和可迁移性,并且Dense Net-SE的性能比Dense Net-NSE更好。（4）在道路裂缝分割技术中,本文使用了标准训练方法与生成对抗方法对一种全卷积模型进行训练,分别分析了两种训练方法的特点及优劣性。实验证明,标准训练方法能够更快地进行收敛,达到一个较好的水平,同时完成对裂缝的尺寸计算,并且误差控制在较好范围之内。
其他文献
＜正＞党的二十大提出高质量发展是全面建设社会主义现代化国家的首要任务。高质量发展的核心是质量和效益。近10年来，有色金属作为国民经济，尤其是新能源、电动汽车、新一代电子信息等领域最为重要的原材料和新材料，该工业在实现高质量发展方面取得了重大成绩，但面对当前复杂宏观经济形势所引发的多重冲击，有色金属工业如何通过深化产融协同推动有色金属行业高质量发展值得思考。
目的 探讨精益管理在手术室低值耗材管理中的应用效果。方法 选取2019年10月至2020年5月广州中医药大学深圳医院（福田）的低值耗材数据作为对照组，2020年6月至2021年1月的数据作为观察组。对照组实施常规管理方式管理低值耗材，观察组运用精益管理理论。比较两组的低值耗材周转率、低值耗材积压支出、巡回护士出手术间取耗材次数及护理人员对低值耗材使用的满意度。结果 观察组的手术室低值耗材周转率高于
目的 探讨麻醉护士运用精益管理理念在心脏体外循环手术中的应用效果。方法选取2020年1月—2022年1月于医院行心脏体外循环手术的患者128例，按照组间基本特征均衡可比的原则分为对照组和观察组，各64例。对照组采取传统麻醉护理措施，观察组在对照组基础上采取精益管理理念指导麻醉护理。观察至患者出院，比较两组术后康复情况、并发症发生率和满意度。结果 观察组首次排气时间（24.35±3.42 h）、首次
乳腺癌是全世界妇女中发病率最高的恶性肿瘤,严重威胁着妇女的身心健康。随着乳腺癌筛查和治疗技术的进步,乳腺癌患者的术后生存率稳步提高,对乳腺癌术后个体病程预测的预后模型研究变得越来越重要。然而,自20世纪50年代以来,本文没有考虑将生存过程作为一个随机过程进行建模,从数值拟合模型到机器学习方法。近年来,本文开始将神经网络引入生存分析,但在数值方法中仍然依赖对数线性风险假设或使用预先确定的风险分布。回
随着互联网的发展,信息技术的日新月异,互联网数据也越具有多样性,比如图像、音频和视频等。3D数据作为真实感知场景的一种经典对象模型表示方式,已被应用于多个领域,例如自动驾驶、机器人抓取、遥感等。点云数据是大数据时代的一种新型媒体数据,具有非常统一的结构,可以避免组合的不规则性和复杂性,非常适合表示三维模型。虽然通过激光雷达技术可以快速获得物体表面的三维点云数据。然而,由于扫描视角的局限性以及物体间
机器嗅觉感知通过智能算法实现气味的有效感知,这种感知模拟人类对气味的评价手段。气味的评价包括了香型、气味强度、留香长度等多个维度。机器嗅觉感知是人工智能的重要分支,其仍有大量的内容需要深入挖掘。其中,物质气味的香型是机器嗅觉感知中的一个关键属性。个体的香型描述主观差异性大,主要体现在个体文化背景、认知、身体状况、情绪变化等。因此,至今缺乏一种规范的、统一的香型表示方法。本文从信息、数学、化学角度研
阵列信号处理中,波达方向（direction-of-arrival,DOA）估计是一个重要的研究方向,在众多领域诸如无线通信、雷达、声纳、导航、生物医学信号检测等有极为广阔的应用前景。近30年来,DOA估计算法研究取得极大的发展,对精度和分辨率要求也越来越高,然而绝大多数高精度超分辨率的DOA估计算法是以获知信号源个数为必要条件的。因此,信号源个数估计对后续的DOA估计十分关键。目前信号源个数估计
随着社会生活水平的提高,皮革是日常生活和生产中常见的消费品之一,皮革的应用领域非常广泛,涵盖了制革、制鞋、皮衣、皮件、毛皮及其制品等主体行业,以及皮革化工、皮革五金、皮革机械、辅料等配套行业。但皮革制品在生产制造过程中容易产生瑕疵或缺陷,使得其外观受损影响销售,不利于皮革行业的发展,因此需要检测整个生产过程的皮革,将有瑕疵的皮革筛选出来。传统的皮革瑕疵检测主要包含人工检测和基于机器视觉的检测,但是
随着数字化技术的发展,人体其他感官如视觉、听觉的研究日趋成熟,人们早已实现“千里眼”与“顺风耳”。然而,嗅觉的发展还处于探索阶段,离“万里飘香”依旧任重道远。气味感知是用来描述嗅觉的一种方式,它利用气味描述符对分子气味进行描述来表示嗅感。由于气味组成的复杂性,人们始终没能在气味分子的性质和气味感知之间建立良好的映射关系。本文尝试从气味分子物化特征的角度出发,不仅包括提取分子描述符信息,更是首次通过
随着技术的进步与发展,未来智能新兴技术带来的各个层面更好的实时与交互等服务务必对如今通信系统的频谱效率（Spectrum Efficiency,SE）和系统可靠性有更高的要求。超奈奎斯特（Faster-Than-Nyquist,FTN）通过压缩成型脉冲之间的时间间隔的方式来增加符号传输速率进而提高SE,但采用非正交传输的方式不可避免的会引入码间干扰（Inter-Symbol Interferenc