排序方式: 共有6条查询结果,搜索用时 0 毫秒
1
1.
2.
3.
针对农村道路裂缝识别中存在训练样本数量少、场景单一、提取结果不准确等问题,本文首先依托辽宁省多年份实测道路图像数据,构建具有多种类、多场景的路面裂缝数据集(PCDs),以ResNet50为编码器、SegNet为解码器,构建路面裂缝图像识别模型Res-SegNet,通过增大卷积核的大小获取更丰富的裂缝信息,使用Focal Loss损失函数,令模型更专注困难样本。然后采用分块预测方法提升裂缝在图片中的占比,使图片预测更加精细。最后通过网络模型和预测方法进行对比试验。结果表明,使用Res-SegNet识别PCDs的测试集,在不同的场景中F值为0.691,使用Res-SegNet结合分块预测识别PCDs的测试集,在不同的场景中F值达0.753。 相似文献
4.
线要素化简对空间数据存储、传输和表达具有重要意义。现有方法的化简效率和空间关系维护是一个矛盾体,为提高化简效率的同时解决化简结果中线要素自相交问题,提出基于Visvalingam-Whyatt改进算法的线要素化简方法。以排序列表键值对的形式记录有效面积和节点标识,再利用给定的保留节点数重新构建线要素,在重构过程中逐点进行自相交判断,并通过前插或移除节点的方式解决自相交问题。以1∶100万比例尺的海南岛海岸线为研究对象进行化简实验,结果表明本文所提算法能够解决线要素自相交问题,且具有较高的化简效率。该方法可为其他线要素化简算法提供自相交解决思路。 相似文献
5.
针对实际采集场景下路面影像中病害受背景纹理噪声影响程度大、病害边缘模糊导致分割不准确的问题,该文提出了一种基于Res_UNet和全连接条件随机场的路面病害像素级精准检测方法:(1)对路面影像进行灰度化、中值滤波和自适应直方图均衡化等预处理;(2)根据辽宁省多年份实测路面影像制作大规模、多场景、像素级路面病害数据集,然后融合注意力机制及Dense Crf优化Res_UNet网络结构完成模型训练;并引入损失函数dice loss增强了该方法对细小病害提取的能力;(3)将深度卷积神经网络分割后的路面病害特征图导入全连接条件随机场,对预测的路面病害结果进行轮廓优化,其检测结果为获取路面裂缝宽度,进而评估路面病害等级奠定了基础。该文选用2 000张辽宁省农村公路实测路面影像,并以人工判读作为标准,分别从准确率、召回率和精确率3个方面验证本文方法、分水岭算法和Res_UNet模型在实际工作环境下的农村公路路面病害分割性能。结果表明,方法的准确率为91.3%,召回率为87.8%,精确率为87.5%,路面病害轮廓提取更加精细,能够适应于复杂路面条件下病害高鲁棒分割。 相似文献
6.
提出并优化了EMD小波组合去噪法对大桥监测结果进行去噪的过程,并与EMD去噪法、小波阈值去噪法进行比较。结果表明,优化的EMD小波去噪法是一种高效的大桥动态监测信号去噪方法,去噪效果最好。 相似文献
1