基于多通道特征融合的道路病害智能检测算法

为实现道路病害的智能识别,帮助道路养护部门便捷、高效开展日常巡检养护工作,提出一种基于多通道特征融合的道路病害智能检测算法。本算法在YOLOv5中引入通道注意力模块,利用通道注意力模块为多层级病害特征赋予权重,弱化背景和噪声影响,获得更精确的语义级别病害信息。实验结果表明,提出Attention-YOLOv5算法的检测精度和mAP分别为40.51%、27.97%,比原始的YOLOv5算法提升了3.1%、1.6%,可以有效检测出包括横纵裂缝、龟裂、坑槽等多类型路面病害。     

基于深度学习的遥感图像语义分割技术研究与应用

本研究聚焦于改进的DeepLab v3+网络在遥感图像语义分割中的应用,旨在提高遥感图像的语义分割精度。引入了多尺度融合策略以优化分割性能,并通过改进的网络结构和深度可分离卷积来提高特征提取能力。实验结果表明,这一改进方法在Vaihingen和Potsdam数据集上都显著提高了分割准确度。我们的研究有望对地图制图、环境监测等领域产生积极影响。     

融合注意力机制的YOLOv5交通标志目标检测算法

为了提高小目标检测的精度和减少漏检率,本文提出了一种基于YOLOv5改进的交通标志目标检测算法。通过融合注意力机制CBMA和加权特征融合网络BiFPN,同时采用SIoU损失函数以提高模型准确性。实验结果表明,本算法在CCTSDB数据集上实现了93.6%的m AP,相比于原始算法提高了6%。尤其在中远距离小目标检测任务下,该算法检测速度达到了63.13FPS,显著改进了原模型效果,满足了实时性要求。     

基于注意力机制的煤矿工作面遮挡行人检测

本文以遮挡行人为主要研究对象,采用基于深度学习算法的双阶段检测器Faster R-CNN为基础架构,引进注意力机制网路,通过改进检测器降低遮挡行人对数平均漏检率.通过实验验证,本文提出的方法在Caltech数据集的无遮挡、部分遮挡、严重遮挡子集上对数平均漏检率分别降低了2.6％,3.4％,6.5％,在Cityperso...     

基于ECA-ResNet的入侵检测模型研究

随着网络技术的不断普及,人们的生活变得十分便利。入侵检测作为网络安全的一项重要技术,随着机器学习的发展,很多学者将机器学习用于入侵检测。深度学习作为当下的热门研究领域,在计算机视觉方面有着出色的表现,卷积神经网络能够学习数据的特征,对数据进行分类。由于ResNet通过增加残差结构在卷积神经网络中能够增强模型的稳定性,文章提出一种基于ECANet-ResNet的网络入侵检测模型。现在的很多数据集都存在数据不平衡的问题,导致模型检测结果不理想,文章使用SMOTETomek混合采样算法对数据集进行处理,增大小样本数据的比例,结果显示比未处理的数据集准确率有所提高。通过实验对比分析,此模型具有较高的准确率、精确率和F1值。     

基于注意力机制的LSTM股价趋势预测研究

针对中国股票市场,提出了一种基于注意力机制的LSTM股价趋势预测模型。选取42只中国上证50从2009年到2017年的股票数据为实验对象,根据股票市场普遍认可的经验规则,分别对每个技术指标进行量化处理得到股票涨跌的趋势数据,并和交易数据混合作为预测模型的输入,然后使用基于注意力机制的LSTM模型提取股价趋势特征进行预测。实验结果表明:引入股票离散型趋势数据到预测模型中,能够在已有交易数据和技术指标的基础上提升预测精确度,与传统的机器学习模型SVM和单一的LSTM模型相比,基于注意力机制的LSTM模型具有更好的预测能力。     

工程结构裂缝检测与处理的探讨

总结工程结构出现各类裂缝的原因,阐述工程结构裂缝检测与鉴定的基本内容和基本要求,归纳针对荷载裂缝与非荷载裂缝的常规处理方法,对近几年新兴的裂缝修补技术进行探讨和展望.     

路面裂缝图像检测技术的研究

本文根据路面裂缝图像的特点,首先运用多结构中值滤波的方法对路面裂缝图像实行降噪,以达到增强的目的,然后再利用迭代阈值分割的方法对图像进行了有效分割,使得裂缝目标突出,利于后续的裂缝特征的测量,最后再用像素统计的方法对裂缝图像裂缝的长度及宽度进行了计算。实验结果表明,该方法不仅简单有效,裂缝检测速度快,处理结果也比较准确,对类似的图像处理项目具有非常好的借鉴意义。     

某水电站混凝土裂缝检测及裂缝成因分析

在水利工程建筑物中，混凝土裂缝问题是一个普遍存在而又难以解决的问题。文章介绍了某水电站的混凝土裂缝检测情况，对裂缝成因进行了分析，提出了一些防治措施。     

某水电站混凝土裂缝检测及裂缝成因分析

在水利工程建筑物中,混凝土裂缝问题是一个普遍存在而又难以解决的问题.文章介绍了某水电站的混凝土裂缝检测情况,对裂缝成因进行了分析,提出了一些防治措施.     

基于深度学习的轻量级人脸检测模型研究

人脸检测识别是人工智能领域中一项重要的关键技术,而深度学习是该技术兴起的研究热点,这项技术可提高人脸检测识别技术的精准性和数据的安全性.文章分析深度学习的检测技术原理,把该技术的各关键点有机结合起来,最终形成基于深度学习的轻量级人脸检测模技术.     

基于深度学习的汽车零件缺陷检测方法研究

工业产品的表面缺陷会对产品的美观度、舒适度和使用性能等带来不良影响,所以生产企业应对产品的表面缺陷进行检测,以便及时发现并加以控制.采用机器视觉的缺陷检测方法可以在很大程度上克服人工检测方法的抽检率低、准确性不高、实时性差、效率低和劳动强度大等弊端,在现代工业中得到越来越广泛的研究和应用.本文将该方法在零件汽车精密零件...     

基于Keras的图像分类模型的研究与应用

为提高图像识别的准确率,降低模型的损失,以及简化模型构建过程,文章提出一种基于Keras框架的图像分类神经网络模型。通过改进传统神经网络模型中损失函数以及增加DropOut过拟合技术,利用谷歌TensorFlow平台的Keras高级接口进行图像识别模型的搭建和训练,最终将模型应用于Fashion-MNIST多分类数据集,实验结果表明提出的基于Keras图像分类模型极大地简化了模型的复杂度,减少了模型过拟合现象的发生,并提高了图像分类的准确率。     

基于深度学习的低信息量图片物体检测算法研究

本文探讨了物体检测模型在一些领域的应用困难,比如基于热像图的物体检测,基于x射线图的物体检测,由于这类图像信息量低,传统物体检测模型难以应用。本文提出了一种统一化的解决方案,利用pix2pix模型将信息含量较低的图片转化为常规图片,再利用SSD模型侦测图像中的物体。通过实验,验证了算法的可行性。     

浅谈混凝土结构中裂缝的检测与处理

裂缝是混凝土结构中普遍存在的一种现象,本文对混凝土中裂缝产生的原因和检测方法进行简单的分析,并提出相应的加固措施.     

基于高斯特征均衡的改进图像修复模型

图像修复是指利用图像的已知区域信息去重建图像或视频的未知区域的过程.在过去基于深度学习的图像补全网络,采用基于自编码的双阶段修复模型,如Deepfill网路,并在第二阶段加入基于注意力机制的内容注意力模块提高修复水平,但整体修复效果容易出现伪影,模糊,边缘结构不清等问题,后续不少论文根据此问题,通过提高特征提取的效率来...     

改进YOLOv5的车辆目标检测研究

车辆目标检测的实时性和精度是判断检测算法是否满足检测需求的两个重要指标,也是当前提高车辆目标检测算法的难点。本文从深度学习入手,改进YOLOv5算法,在网络模型中通过引入注意力机制、改进损失函数、引入SAConv模块,达到提高车辆目标检测实时性和精度的目的。最后,在真实交通环境中进行实验,结果证明改进后网络的整体性能得到了提升,训练速度提升20%,模型精度提升2.2%。     

钢筋混凝土结构裂缝的检测与安全性评价研究

混凝土是我国工程建设使用最为普遍的结构材料之一,其质量直接影响到结构的适用性、安全性和耐久性。为此,人们对混凝土的质量给予了极大的关注。混凝土的结构裂缝不仅种类繁多,形态各异,而且较为普遍。轻微者影响建筑物美观,造成渗漏水,严重者降低建筑结构的承载力、刚度、稳定和整体性、耐久性,甚至还会导致整体倒塌的重大质量事故。因此,正确认识裂缝成因,对混凝土结构裂缝进行调查和分析是混凝土结构检测中的重点。     

钢筋砼温度裂缝的产生检测计算及正确评定

通过本人经过多年的工作实践积累在处理实际工作解决问题时结合有关规范,从以下三方面论述钢筋温度裂缝的产生检测计算及正确评定.