期刊文献+
共找到2,305篇文章
< 1 2 116 >
每页显示 20 50 100
面向医学图像分割的超像素U-Net网络设计 预览
1
作者 王海鸥 刘慧 +2 位作者 郭强 邓凯 张彩明 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2019年第6期1007-1017,共11页
近年来,超像素在医学图像处理领域的应用愈加广泛,现有的方法取得了较好的效果,如LAW,SLIC等.然而,这些方法在处理医学图像得到超像素时,位于组织边缘像素点的划分仍存在类别模糊问题.为此,提出一种基于U-Net网络的超像素分割方法.首先... 近年来,超像素在医学图像处理领域的应用愈加广泛,现有的方法取得了较好的效果,如LAW,SLIC等.然而,这些方法在处理医学图像得到超像素时,位于组织边缘像素点的划分仍存在类别模糊问题.为此,提出一种基于U-Net网络的超像素分割方法.首先,通过双边滤波模型过滤外部噪声,增强超像素信息;然后,结合U-Net卷积网络学习图像特征.该方法为U-Net网络中每个特征尺度的卷积层后嵌入一个规范层,用于增强网络对参数的敏感性.实验结果表明,该方法有效提高了医学图像超像素的分割精度,与groundtruth相比,其改善了超像素边缘分类的准确性,优化了超像素分割结果,在精确度、召回率、F-measure和分割速度等性能指标上均取得了更好的效果. 展开更多
关键词 超像素 双边滤波 卷积网络 U-Net 医学图像分割
在线阅读 下载PDF
基于多尺度卷积神经网络的场景标记 预览
2
作者 尹蕊 《现代计算机:上下旬》 2016年第4期48-51,共4页
场景标记是将图片中的像素按照其所属景物的种类来识别并进行标记。传统学习算法将训练集图片和某种学习机制相结合,利用后者的特点来提高训练正确率。提出一种基于多尺度卷积神经网络训练已知图像及其标记的方法,用测试集图片来验证其... 场景标记是将图片中的像素按照其所属景物的种类来识别并进行标记。传统学习算法将训练集图片和某种学习机制相结合,利用后者的特点来提高训练正确率。提出一种基于多尺度卷积神经网络训练已知图像及其标记的方法,用测试集图片来验证其标记正确率。通过在Ubuntu系统上搭建快速机器学习环境Torch7来实现图片像素的场景标记。 展开更多
关键词 多尺度 卷积神经网络 场景标记 深度学习
在线阅读 免费下载
基于级联卷积网络的自然场景下的车牌检测 预览 被引量:4
3
作者 闫鹏 牛常勇 范明 《计算机工程与设计》 CSCD 北大核心 2014年第12期4296-4301,共6页
为有效解决自然场景下车牌检测的分类效率和分类准确率之间的矛盾,提出一种鲁棒的快速车牌检测方法。以整个车牌作为训练和检测的基本单位,直接使用卷积网络作为检测器,级联多个卷积网络,对自然场景下的车牌进行检测。通过引入卷积网络... 为有效解决自然场景下车牌检测的分类效率和分类准确率之间的矛盾,提出一种鲁棒的快速车牌检测方法。以整个车牌作为训练和检测的基本单位,直接使用卷积网络作为检测器,级联多个卷积网络,对自然场景下的车牌进行检测。通过引入卷积网络作为基本的学习子单元,进一步把多个子单元组织成级联结构,满足了自然场景下的车牌检测对检测准确率和检测效率的要求。在现实数据上的实验结果表明,级联卷积网络在保证较低误报率的同时具有较高的检测率和检测效率。 展开更多
关键词 车牌检测 卷积网络 级联分类器 自然场景 误报率
在线阅读 下载PDF
深度学习在医学图像配准上的研究进展与挑战
4
作者 邹茂扬 杨昊 +1 位作者 潘光晖(综述) 钟勇(审校) 《生物医学工程学杂志》 EI CAS CSCD 北大核心 2019年第4期677-683,共7页
随着影像引导手术和放射治疗的发展,临床对医学图像配准研究的需求更强烈,带来的挑战也更大。最近几年,深度学习,特别是深度卷积神经网络,在医学图像处理方面取得了优异的成绩,在医学图像配准上的研究发展迅速。本文按技术方法分类总结... 随着影像引导手术和放射治疗的发展,临床对医学图像配准研究的需求更强烈,带来的挑战也更大。最近几年,深度学习,特别是深度卷积神经网络,在医学图像处理方面取得了优异的成绩,在医学图像配准上的研究发展迅速。本文按技术方法分类总结了基于深度学习的医学图像配准的国内外研究进展,包括了基于优化策略的相似性估计、直接估计医学图像配准的变换参数等。然后分析了深度学习方法在医学图像配准上的挑战,并提出了可能的解决办法和研究方向。 展开更多
关键词 医学图像配准 深度学习 卷积神经网络 全卷积网络
基于全卷积神经网络的灌区无人机正射影像渠系提取 预览
5
作者 张宏鸣 王斌 +3 位作者 韩文霆 杨江涛 蒲攀 蔚继承 《农业机械学报》 EI CAS CSCD 北大核心 2019年第6期241-248,共8页
为快速准确获取灌区渠系分布信息,科学调配区域农业水资源、提高水资源利用率,通过基于全卷积神经网络(Fully convolutional networks,FCN)的语义分割模型进行渠系轮廓提取。利用无人机采集正射影像并进行标注,以VGG 19网络为基础,通过... 为快速准确获取灌区渠系分布信息,科学调配区域农业水资源、提高水资源利用率,通过基于全卷积神经网络(Fully convolutional networks,FCN)的语义分割模型进行渠系轮廓提取。利用无人机采集正射影像并进行标注,以VGG 19网络为基础,通过多尺度特征融合的方式实现FCN-8s结构,使用Tensorflow深度学习框架构建FCN渠系提取模型;对数据集进行数据增强,分割后放入FCN模型中训练、测试。实验结果显示,针对不同复杂程度的测试区域,FCN模型的提取准确度、完整度、精度均高于支持向量机方法和改进霍夫变换方法,均值分别为95.78%、92.29%、89.45%。结果表明,该方法能够实现灌区渠系轮廓的高精度提取,具有较好的泛化性和鲁棒性。 展开更多
关键词 渠系 提取 全卷积神经网络 无人机 正射影像 语义分割
在线阅读 下载PDF
改进HSR-FCN的服装图像识别分类算法研究 预览
6
作者 高妍 王宝珠 +1 位作者 郭志涛 周亚同 《计算机工程与应用》 CSCD 北大核心 2019年第16期144-149,共6页
目前网络上的服装图像数量增长迅猛,对于大量服装图像实现智能分类的需求日益增加。将基于区域的全卷积网络(Region-Based Fully Convolutional Networks,R-FCN)引入到服装图像识别中,针对服装图像分类中网络训练时间长、形变服装图像... 目前网络上的服装图像数量增长迅猛,对于大量服装图像实现智能分类的需求日益增加。将基于区域的全卷积网络(Region-Based Fully Convolutional Networks,R-FCN)引入到服装图像识别中,针对服装图像分类中网络训练时间长、形变服装图像识别率低的问题,提出一种新颖的改进框架HSR-FCN。新框架将R-FCN中的区域建议网络和HyperNet网络相融合,改变图片特征学习方式,使得HSR-FCN可以在更短的训练时间内达到更高的准确率。在模型中引入了空间转换网络,对输入服装图像和特征图进行了空间变换及对齐,加强了对多角度服装和形变服装的特征学习。实验结果表明,改进后的HSR-FCN模型有效地加强了对形变服装图像的学习,且在训练时间更短的情况下,比原来的网络模型R-FCN平均准确率提高了大约3个百分点,达到96.69%。 展开更多
关键词 服装图像 深度学习 图像分类 基于区域的全卷积网络(R-FCN) HyperNet 区域建议网络 空间转换网络
在线阅读 下载PDF
基于模型重建的深度卷积网络权值可视化方法 预览
7
作者 刘嘉铭 邢孟道 +1 位作者 符吉祥 徐丹 《电子与信息学报》 EI CSCD 北大核心 2019年第9期2194-2200,共7页
针对深度卷积网络原理分析的问题,该文提出一种基于模型重建的权值可视化方法。首先利用原有的神经网络对测试样本进行前向传播,以获取重建模型所需要的先验信息;然后对原本网络中的部分结构进行修改,使其便于后续的参数计算;再利用正... 针对深度卷积网络原理分析的问题,该文提出一种基于模型重建的权值可视化方法。首先利用原有的神经网络对测试样本进行前向传播,以获取重建模型所需要的先验信息;然后对原本网络中的部分结构进行修改,使其便于后续的参数计算;再利用正交向量组,逐一地计算重建模型的参数;最后将计算所得的参数按照特定的顺序进行重排列,实现权值的可视化。实验结果表明,对于满足一定条件的深度卷积网络,利用该文所提方法重建的模型在分类过程的前向传播运算中与原模型完全等效,并且可以明显观察到重建后模型的权值所具有的特征,从而分析神经网络实现图像分类的原理。 展开更多
关键词 深度卷积网络 可视化 模型重建
在线阅读 免费下载
基于深度学习的超声自动测量左室射血分数的研究 预览
8
作者 蒋建慧 姚静 +3 位作者 张艳娟 赵海桐 许迪 罗守华 《临床超声医学杂志》 CSCD 2019年第1期70-74,共5页
目的为提高基于超声心动图Simpson法的左室射血分数(LVEF)测量的效率,提出一种基于深度学习自动测量LVEF的方法。方法首先,建立卷积神经网络,利用收集的38153幅标记的数据对网络进行训练测试和验证,将采集到的超声心动图数据自动分成5类... 目的为提高基于超声心动图Simpson法的左室射血分数(LVEF)测量的效率,提出一种基于深度学习自动测量LVEF的方法。方法首先,建立卷积神经网络,利用收集的38153幅标记的数据对网络进行训练测试和验证,将采集到的超声心动图数据自动分成5类,获取心尖二腔(A2C)和四腔(A4C)切面;其次,建立全卷积神经网络,以VGG-19为主干架构,利用收集的3871幅A2C和4679幅A4C数据进行训练测试和验证,对自动获得A2C和A4C的左室进行自动分割,计算LVEF。结果该方法获得A2C和A4C的准确率达96.8%,分割真阳性率达88.8%,所得LVEF误差率为0.038947。结论深度学习自动测量LVEF的方法较传统方法精度和效率更高,具有较好的临床应用价值。 展开更多
关键词 超声心动描记术 左室射血分数 深度学习 卷积神经网络 全卷积神经网络
在线阅读 下载PDF
基于改进的全卷积神经网络的资源三号遥感影像云检测
9
作者 裴亮 刘阳 +1 位作者 谭海 高琳 《激光与光电子学进展》 CSCD 北大核心 2019年第5期218-225,共8页
提出了基于改进的深度学习全卷积神经网络的资源三号遥感影像云检测方法。将预训练后的深层卷积神经网络全连接层改为全卷积层,采用反卷积方法对特征图进行上采样,优化改进网络结构,并采用Adam梯度下降法加速收敛。利用资源三号云区影... 提出了基于改进的深度学习全卷积神经网络的资源三号遥感影像云检测方法。将预训练后的深层卷积神经网络全连接层改为全卷积层,采用反卷积方法对特征图进行上采样,优化改进网络结构,并采用Adam梯度下降法加速收敛。利用资源三号云区影像数据集对网络进行训练,将上采样后的影像特征输入sigmoid分类器进行分类。实验结果表明,该方法检测精度和速度均优于传统方法,准确率可达90.11%,单张影像检测耗时可缩短至0.46s。 展开更多
关键词 遥感 资源三号影像 深度学习 全卷积网络 云检测
基于深度残差学习的自动驾驶道路场景理解 预览 被引量:1
10
作者 宋锐 施智平 +2 位作者 渠瀛 邵振洲 关永 《计算机应用研究》 CSCD 北大核心 2019年第9期2825-2829,2871共6页
随着道路场景理解技术的快速发展,自主驾驶领域取得了长足的进步。在相关任务中,包括道路分割、分类和车辆检测的实时性和准确性是安全性的一个关键问题。为此,提出了一个具有编/解码器网络结构的基于深度残差学习的方法。一方面,编码... 随着道路场景理解技术的快速发展,自主驾驶领域取得了长足的进步。在相关任务中,包括道路分割、分类和车辆检测的实时性和准确性是安全性的一个关键问题。为此,提出了一个具有编/解码器网络结构的基于深度残差学习的方法。一方面,编码器网络结构使用不同层次的残差网络来提取高维中的抽象特征,这些特征在接下来的三个任务中共享使用;另一方面,解码器网络结构采用一种子任务的并行计算机制,即道路分割、车辆检测和道路分类任务同时执行。此外,全卷积神经网络用于对提取的图像特征进行上采样以解决道路分割问题。最终,实验结果表明在保证高精度的前提下处理帧率可达到15 fps以上。 展开更多
关键词 道路场景理解 深度残差学习 编/解码器结构 全卷积网络
在线阅读 下载PDF
基于超像素图割的多类别弱标注强化算法 预览
11
作者 林佳丽 刘秉瀚 《计算机工程与设计》 北大核心 2019年第7期1971-1977,共7页
为解决基于深度学习的图像语义分割逐像素制作语义标签训练集耗时耗力的问题,提出一种便捷的基于超像素图割的多类别弱标注强化算法。在弱标注框内自适应提取超像素,采用交互式涂鸦结合超像素扩充前景背景采样点;根据框内采样点对高斯... 为解决基于深度学习的图像语义分割逐像素制作语义标签训练集耗时耗力的问题,提出一种便捷的基于超像素图割的多类别弱标注强化算法。在弱标注框内自适应提取超像素,采用交互式涂鸦结合超像素扩充前景背景采样点;根据框内采样点对高斯混合模型参数进行初始化;迭代更新参数,使用最小割算法对像素点进行分类,实现像素级强标注。实验结果表明,在保证标注精度的前提下,该方法较传统人工与Grabcut算法在标注上具有较大效率优势,对服装图像重新标注并作为全卷积网络训练集,达到与原始数据集相近的分割精度。 展开更多
关键词 图像语义分割 超像素图割 弱标注强化 多类别 全卷积网络
在线阅读 下载PDF
利用全卷积网络提取Sentinel-2影像高低层建筑区
12
作者 闫智 李利伟 程钢 《测绘通报》 CSCD 北大核心 2019年第7期73-77,共5页
面向Sentinel-2多光谱数据,依据影像地物空间结构和地表实际功能类型将建筑区分为高层建筑区和低层建筑区,构建了一种基于全卷积网络模型的高、低层建筑区快速提取技术。在此基础上,以雄安新区及其周边为试验区,选取2017年3月获取的4景S... 面向Sentinel-2多光谱数据,依据影像地物空间结构和地表实际功能类型将建筑区分为高层建筑区和低层建筑区,构建了一种基于全卷积网络模型的高、低层建筑区快速提取技术。在此基础上,以雄安新区及其周边为试验区,选取2017年3月获取的4景Sentinel-2多光谱数据进行试验验证和分析。结果表明:本文技术能够实现大范围区域内高层和低层建筑区的快速提取,总体平均提取精度达到95.30%,其中高层建筑区平均提取精度为99.22%,低层建筑区平均提取精度为91.38%,该技术明显优于现有基于纹理结构的高低层建筑区提取方法。通过对提取结果进行统计分析发现:约4.4×104 km2的研究区内高层和低层建筑区分别约为94和7351 km2;雄安新区中心三县内高层和低层建筑区分别约为1.25和312.24 km2。本文技术具有很好的推广性,结合Sentinel-2数据大幅宽高频次观测特点和更多类型建筑区样本,可以实现大范围地表多类型建筑区动态监测。 展开更多
关键词 Sentinel-2 全卷积网络 高层 低层 建筑区 提取
基于半监督深度生成对抗网络的图像识别方法 预览
13
作者 曾琦 向德华 +1 位作者 李宁 肖红光 《测控技术》 2019年第8期37-42,共6页
基于生成对抗网络的图像识别方法拥有很高的识别率,但训练时需要大量有标签样本,在有标签样本较少的情况时识别效果不佳。针对这个问题,结合深度卷积生成对抗网络和半监督生成对抗网络的特点建立半监督深度生成对抗网络。根据有标签样... 基于生成对抗网络的图像识别方法拥有很高的识别率,但训练时需要大量有标签样本,在有标签样本较少的情况时识别效果不佳。针对这个问题,结合深度卷积生成对抗网络和半监督生成对抗网络的特点建立半监督深度生成对抗网络。根据有标签样本和无标签样本分布,模型生成拟合真实分布的样本输入并训练分类器,增加了训练样本数从而提升识别率。将模型优化调整并进行图像识别实验,结果表明,该方法仅用少量有标签样本即可实现准确的图像识别。 展开更多
关键词 生成对抗网络 半监督 深度卷积网络 图像识别
在线阅读 免费下载
基于深度卷积神经网络的红外小目标检测 预览
14
作者 吴双忱 左峥嵘 《红外与毫米波学报》 SCIE EI CAS CSCD 北大核心 2019年第3期371-380,共10页
提出了一种新的解决红外图像小目标检测问题的深度卷积网络将对小目标的检测问题转化为对小目标位置分布的分类问题检测网络由全卷积网络和分类网络组成全卷积网络对红外小目标进行增强和初步筛选实现红外图像的背景抑制分类网络以原始... 提出了一种新的解决红外图像小目标检测问题的深度卷积网络将对小目标的检测问题转化为对小目标位置分布的分类问题检测网络由全卷积网络和分类网络组成全卷积网络对红外小目标进行增强和初步筛选实现红外图像的背景抑制分类网络以原始图像和背景抑制后的图像为输入对目标点后续筛选网络中引入 SEnet(Squeeze and Excitation Networks)对特征图进行选择实验验证了整个检测网络相对于传统小目标检测算法的优势所提出的基于深度卷积神经网络的小目标检测方法对复杂背景下低信噪比且存在运动模糊的小目标具有很好的检测效果. 展开更多
关键词 模式识别与智能系统 红外小目标检测 深度卷积网络 低信噪比 运动模糊 SEnet
在线阅读 下载PDF
面向车辆检测的扩张全卷积神经网络 预览
15
作者 程雅慧 蔡烜 冯瑞 《计算机系统应用》 2019年第1期107-112,共6页
近年来,深度学习方法被广泛用来解决车辆检测问题并取得了显著的成果,然而,当车辆尺寸较小时,当前深度学习算法的检测丢失率仍然很高.为了解决这个问题,本文提出了一种基于组合目标框提取结构的扩张全卷积神经网络(Dilated Fully Convol... 近年来,深度学习方法被广泛用来解决车辆检测问题并取得了显著的成果,然而,当车辆尺寸较小时,当前深度学习算法的检测丢失率仍然很高.为了解决这个问题,本文提出了一种基于组合目标框提取结构的扩张全卷积神经网络(Dilated Fully Convolutional Network with Grouped Proposals, DFCN-GP).具体提出了一种结合低层特征和高层特征的组合网络模型用于生成目标框,其中低层特征对小目标更加敏感.此外,为保留更多的细节信息,基于扩张卷积思想,增加了网络最后一层卷积层的大小和感受野,用于目标框的提取和车辆检测.通过控制变量的对比试验,对基于组合方式的目标框提取网络和扩张卷积层的有效性进行了验证.本文提出的算法模型在公开数据集UA-DETRAC上性能优异. 展开更多
关键词 机器视觉 车辆检测 组合网络模型 扩张全卷积神经网络
在线阅读 下载PDF
基于I-FCN模型的城市高分辨率遥感影像植被信息提取 预览
16
作者 马海艺 张天怡 +2 位作者 代沁伶 代飞 王雷光 《西南林业大学学报》 CAS 北大核心 2019年第3期117-123,共7页
为了提高城市高分辨率遥感影像中植被信息的提取精度,提出一种改进的全卷积神经网络模型,通过大量的训练数据获得最佳模型参数,进行植被信息的提取,并与支持向量机、面向对象法、经典的FCN模型方法提取的植被信息进行对比分析。结果表明... 为了提高城市高分辨率遥感影像中植被信息的提取精度,提出一种改进的全卷积神经网络模型,通过大量的训练数据获得最佳模型参数,进行植被信息的提取,并与支持向量机、面向对象法、经典的FCN模型方法提取的植被信息进行对比分析。结果表明:提出的网络模型不但能够有效缓解“椒盐现象”,还能保证小面积的植被提取与植被区域边界的准确性。该方法可自动综合多种特征,所以可有效减少植被像元的误分与漏分现象,提高植被提取精度。 展开更多
关键词 全卷积神经网络 高分辨率 遥感影像 城市植被 椒盐现象
在线阅读 下载PDF
全卷积神经网络与全连接条件随机场中的左心室射血分数精准计算 预览
17
作者 刘晓鸣 雷震 +4 位作者 何刊 张惠茅 郭树旭 张歆东 李雪妍 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2019年第3期431-438,共8页
左心室射血分数是临床上用于衡量心脏健康的一项重要指标.为提高左心室分割和射血分数计算的精度,提出一种基于改进的全卷积神经网络和全连接条件随机场的方法.首先利用预训练的全卷积神经网络模型对心脏核磁共振影像进行左心室分割并... 左心室射血分数是临床上用于衡量心脏健康的一项重要指标.为提高左心室分割和射血分数计算的精度,提出一种基于改进的全卷积神经网络和全连接条件随机场的方法.首先利用预训练的全卷积神经网络模型对心脏核磁共振影像进行左心室分割并输出概率图;之后采用3D全连接条件随机场对概率图进行后处理,完成像素级的精准密度预测;最后对左心室分割结果进行3D重建,并计算左心室舒张末期容积和收缩末期容积,进而计算出射血分数.实验结果表明,该方法能够实现左心室射血分数的精确且高效的计算,对左心室射血分数的平均预测误差为4.67%,各步骤耗时短. 展开更多
关键词 左心室射血分数计算 深度学习 全卷积神经网络 全连接条件随机场
在线阅读 下载PDF
基于全卷积网络的X线图像成像部位自动分割 预览
18
作者 郭磊 王玉军 +3 位作者 贺宏伟 王昌元 刘露 杨秀云 《中国医疗器械杂志》 2019年第3期170-172,共3页
目的医学图像分割是医学图像处理的关键步骤。该文提出一种全卷积网络结构,实现X线图像中成像部位自动分割。方法鉴于卷积神经网络特征提取优势,设计由9个层级组成的全卷积网络进行医学图像分割。该网络采用多种尺寸卷积核来提取图像中... 目的医学图像分割是医学图像处理的关键步骤。该文提出一种全卷积网络结构,实现X线图像中成像部位自动分割。方法鉴于卷积神经网络特征提取优势,设计由9个层级组成的全卷积网络进行医学图像分割。该网络采用多种尺寸卷积核来提取图像中多维图像特征,取消池化层以避免下采样过程中图像细节丢失。结果结合X线图像分割的特定场景进行实验。对比传统分割方法,该方法实现了更加精确的成像部位分割。结论全卷积网络能够提取有代表性的多维图像特征,避免下采样阶段图像细节丢失,实现X线图像中成像部位精确自动分割。 展开更多
关键词 全卷积网络 医学图像分割 X线图像 成像部位 图像特征
在线阅读 下载PDF
基于全卷积神经网络的手术器械图像语义分割算法 预览
19
作者 郑腾辉 陶青川 《现代计算机》 2019年第9期80-84,共5页
为了实现对处于相近颜色盒中的手术器械准确进行像素级分割,提出基于全卷积神经网络(FCN)的手术器械图像语义分割模型。该模型使用VGG19作为基础模型,添加3层反卷积层,使用Adam优化器优化网络,实现手术器械和手术盒的像素级分割。实验... 为了实现对处于相近颜色盒中的手术器械准确进行像素级分割,提出基于全卷积神经网络(FCN)的手术器械图像语义分割模型。该模型使用VGG19作为基础模型,添加3层反卷积层,使用Adam优化器优化网络,实现手术器械和手术盒的像素级分割。实验结果表明:该模型能有效实现图像分割,降低特征值数量,减少网络运行时长。 展开更多
关键词 手术器械 语义分割 全卷积神经网络(FCN) VGG19
在线阅读 免费下载
基于改进的全卷积神经网络的路面裂缝分割技术 预览
20
作者 翁飘 陆彦辉 +1 位作者 齐宪标 杨守义 《计算机工程与应用》 CSCD 北大核心 2019年第16期235-239,245共6页
裂缝是路面表面的重要病害之一。传统的裂缝检测依赖于人工的视觉检查,在实际操作中费时费力。虽然传统的图像处理技术在一定程度上可使裂缝检测与分割更加自动化,但是图像处理技术易受到由光照、模糊等引起的一些噪声的影响。为了完成... 裂缝是路面表面的重要病害之一。传统的裂缝检测依赖于人工的视觉检查,在实际操作中费时费力。虽然传统的图像处理技术在一定程度上可使裂缝检测与分割更加自动化,但是图像处理技术易受到由光照、模糊等引起的一些噪声的影响。为了完成复杂环境下对路面裂缝的分割及检测,提出了一种基于改进的全卷积神经网络(Fully Convolutional Networks,FCN)的分割方法,根据建立的数据集训练传统FCN和优化后的FCN,测试结果表明其平均交并比(mean_IoU)得到了一定的提高,故该方法能够较准确地分割出路面裂缝。 展开更多
关键词 裂缝检测 图像处理 全卷积网络(FCN) 平均交并比
在线阅读 下载PDF
上一页 1 2 116 下一页 到第
使用帮助 返回顶部 意见反馈