改进YOLOv3的桥梁表观病害检测识别

来源 :重庆大学学报 | 被引量 : 0次 | 上传用户:lingfangzhi12
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对基于目标检测方法的桥梁表观病害检测存在检测精度低,误检率和漏检率高的问题,提出一种改进YOLOv3的高准确率桥梁表观病害检测识别方法。为实现局部特征和全局特征有效融合,在YOLOv3的检测层中添加固定分块大小的池化模块,并在YOLOv3的特征提取网络中引入了DenseNet密集型连接网络结构以增强桥梁病害特征在网络中的传播和利用效率,提高检测效率,采用数据增强技术来扩充样本图像以解决现有桥梁病害数据集样本数量不足的问题。实验结果表明,改进后的YOLOv3在桥梁表观病害检测上的平均准确率比原YOL
其他文献
目前绝大多数的行人属性识别任务都是基于单张图像的,单张图像所含信息有限,而图像序列中包含丰富的有用信息和时序特征,利用序列信息是提高行人属性识别性能的一个重要途径。本文提出了结合时序注意力机制的多特征融合行人序列图像属性识别网络,该网络除了使用常见的空-时二次平均池化特征聚合和空-时平均最大池化特征聚合提取序列的特征外,还设计了空-时3D卷积注意力因子加权特征聚合分支进一步提取序列的特征。通过融合
期刊
介绍了一种深海用碳纤维耐压壳体表面阻水涂层的施工工艺,讨论了不同清洗溶剂对基材的影响及施工过程中温度、固化温度等对漆膜的影响。
期刊
基于视觉注意机制的显著目标检测和分割是复杂场景关键目标对象感知的有效方法之一,但是显著性检测和目标分割过程计算复杂度高、耗时长,难以达到工程应用的实时性要求。基于此,本文在分析图像视觉特征的基础上,特别是煤矿井下图像视觉特征,提出一种基于随机采样区域对比度计算的实时显著性检测方法,引入随机采样策略对原图像像素进行采样后利用Efficient Graph-based Segmentation方法将图
期刊
以内蒙古扎赉特旗图牧吉镇长期覆膜滴灌区域土壤为研究对象,探究不同有机物料(秸秆、牧草、羊粪)还田对土壤有机碳及土壤团聚体特征的影响,并分析比较不同有机物料还田差异。结果表明:与对照组相比较,有机物料还田,土壤有机碳含量及各粒级碳含量分别增加1.09~1.16倍、1.01~2.67倍;三种物料中羊粪效果更好,平均高于其他物料1.06倍、1.12倍,说明羊粪还田的土壤固碳潜力更强,能更多的促进土壤有机
期刊
为了对玉米种植株数进行无损的自动化识别,利用Faro focus s70地面激光扫描仪采用四站式扫描方法,采集不同视角下的玉米田块点云数据。设计了一种基于标靶球自动提取的配准算法,对各站获取的点云数据进行精确配准,取得了完整的玉米田块点云数据,并以标靶球拟合误差和标准偏差分析配准精度。对于配准好的三维点云数据,利用采样一致性算法基于圆柱体特征从完整的玉米田块点云中精确分离出茎秆点云,统计玉米种植株
期刊
土壤大孔隙虽然占土壤总孔隙的极少部分,但影响着土壤水分入渗途径和过程。本研究以干旱区山前绿洲、老绿洲、边缘绿洲三种典型绿洲农田为研究对象,通过原位染色示踪和CT扫描技术,定量研究了绿洲农田的大孔隙特征和土壤水分入渗性能。结果表明:绿洲农田的土壤大孔隙大多集中在0~20 cm土层,老绿洲农田的大孔隙三维结构较山前绿洲农田和边缘绿洲农田复杂,其土壤大孔隙度、分形维数、分支密度、连接点密度、连通性指数显
期刊
随着煤炭洗选行业对智能化干法选煤技术需求和煤矸图像识别方法需求的增长,研究煤矿复杂洗选条件下煤矸混合特征图像的识别方法显得愈发重要。本文依据深度学习、图像识别和无线通信等理论,设计基于卷积神经网络的煤矸识别定位系统。根据煤矿洗选过程的复杂条件,分析煤矸表面特征的5种状态类别,构建煤矸数据集。基于迁移学习的改进AlexNet网络和RPN网络获取煤矸混合特征图像样本的分类信息和像素坐标,通过相机标定方
期刊
复苏植物可以耐受极度干旱的环境,脱水至10%RH后仍然可以复苏。苦苣苔科植物包含有较多复苏植物,不同类群的复苏机理可能存在差异。该文选择分别分布在亚热带和温带石灰岩地区的锈色蛛毛苣苔(Paraboea rufescens)和心叶马铃苣苔(Oreocharis cordatula)两种苦苣苔科植物,检测两个物种是否具有复苏特性及其响应干旱的生理机制异同,对其叶片分别进行脱水1、2、3 d,并分别复水
期刊
Inertial methods play a vital role in accelerating the convergence speed of optimization algorithms. This work is concerned with an inertial semi-forward-reflected-backward splitting algorithm of appr
期刊
图像多标签分类作为计算机视觉领域的重要研究方向,在识别、检测等场景下得到广泛应用。相比于单标签分类,多标签中标签相关性信息和标签语义与图像特征相关信息影响多标签的分类效果。为提升图像多标签分类能力,提出一种基于多层次注意力机制和图模型的图像多标签分类方法。通过标签共现信息和标签先验知识构建图模型,同时使用多尺度注意力学习图像特征中目标,并使用标签引导注意力融合标签语义特征和图像特征信息。利用图注意
期刊