包郵基于深度學習的裂縫病害圖像檢測與識別技術

作者：張志華

出版社：科學出版社出版時間：2023-08-01

開本： B5 頁數： 140

本類榜單：工業技術銷量榜

中圖價:¥69.6(7.1折) 定價 ~~¥98.0~~ 登錄后可看到會員價

加入購物車收藏

開年大促， 全場包郵

?新疆、西藏除外

本類五星書更多>

>
公路車寶典(ZINN的公路車維修與保養秘籍)

公路車寶典(ZINN的公路車維修與保養秘籍)

¥69.6¥120
>
晶體管電路設計(下)

晶體管電路設計(下)

¥25.7¥38
>
基于個性化設計策略的智能交通系統關鍵技術

基于個性化設計策略的智能交通系統關鍵技術

¥34.3¥68
>
花樣百出:貴州少數民族圖案填色

花樣百出:貴州少數民族圖案填色

¥17.2¥45
>
山東教育出版社有限公司技術轉移與技術創新歷史叢書中國高等技術教育的蘇化(1949—1961)以北京地區為中心

山東教育出版社有限公司技術轉移與技術創新歷史叢書中國高等技術教育的蘇化(1949—1961)以北京地區為中心

¥12.7¥39
>
鐵路機車概要.交流傳動內燃.電力機車

鐵路機車概要.交流傳動內燃.電力機車

¥158.4¥198
>
利維坦的道德困境:早期現代政治哲學的問題與脈絡

利維坦的道德困境:早期現代政治哲學的問題與脈絡

¥31.9¥49

商品詳情
商品評論(0條)

中圖價:¥69.6 加入購物車

版權信息
內容簡介
目錄

基于深度學習的裂縫病害圖像檢測與識別技術版權信息

ISBN：9787030759443
條形碼：9787030759443 ; 978-7-03-075944-3
裝幀：平裝膠訂
冊數：暫無
重量：暫無
所屬分類：
工業技術
>
汽車與交通運輸
>
綜合運輸

基于深度學習的裂縫病害圖像檢測與識別技術內容簡介

本書稿在深入分析探討路面裂縫對道路交通所帶來的不利影響，結合路面裂縫圖像特征分析結果，基于深度學習的理論基礎，分別采用卷積神經網絡模型、改進殘差網絡與注意力機制的語義分割網絡、結合雙注意力機制的語義分割網絡、基于高分辨率模型的裂縫圖像分類網絡、基于高分辨率模型的裂縫圖像分割網絡、基于可變形SSD的裂縫檢測模型對裂縫圖像集進行編程實驗，通過對比同類型其他網絡模型，分別就不同的精度評價指標，對本文所采用的所有網絡模型和方法進行精度對比與評價，實驗結果表明，本文所提出的模型和方法精度較高，可以為圖像分類與圖像識別提供借鑒。

基于深度學習的裂縫病害圖像檢測與識別技術目錄

目錄前言第1章緒論1 1.1研究的背景及意義1 1.2國內外研究現狀2 1.2.1深度學習中的圖像分類網絡2 1.2.2深度學習中的圖像分割網絡3 1.2.3路面裂縫檢測4 1.2.4路面裂縫病害圖像的分類和評估9 1.3本章小結11 第2章深度學習12 2.1深度學習概述12 2.2深度學習網絡結構12 2.2.1單層神經網絡12 2.2.2多層神經網絡14 2.2.3常見的CNN16 2.3深度學習訓練過程17 2.3.1監督學習17 2.3.2非監督學習19 2.4CNN20 2.4.1CNN基本結構20 2.4.2卷積層20 2.4.3池化層24 2.4.4全連接層26 2.4.5激活函數27 2.4.6損失函數29 2.5上下采樣計算29 2.5.1感受野29 2.5.2空洞卷積30 2.5.3上采樣計算31 2.5.4下采樣計算32 2.6CNN中的圖像分類模型33 2.6.1Fast RCNN模型33 2.6.2SSD網絡模型35 2.6.3YOLOv4網絡模型36 2.7CNN中的圖像分割模型38 2.7.1FCN模型39 2.7.2SegNet模型41 2.7.3U-Net模型41 2.7.4DeepLab v3+網絡42 2.7.5DenseASPP網絡42 2.8本章小結44 第3章裂縫病害圖像特征分析及數據預處理45 3.1路面裂縫類型45 3.2路面裂縫的特點及成因46 3.2.1路面裂縫的特點46 3.2.2路面裂縫的成因47 3.3路面裂縫數據集制作48 3.3.1自制數據集Highway Crack48 3.3.2自制可變SSD數據集49 3.3.3公共數據集51 3.3.4圖像集預處理52 3.4裂縫識別技術流程53 3.5實驗環境選擇及搭建54 3.5.1實驗環境選擇54 3.5.2實驗環境搭建55 3.6本章小結56 第4章基于CNN的公路裂縫分類識別實驗及分析57 4.1實驗模型評估與分析57 4.2卷積可視化分析62 4.3路面裂縫特征提取與分析65 4.4路面裂縫識別結果67 4.5本章小結68 第5章基于改進殘差網絡與注意力機制的語義分割網絡70 5.1殘差網絡70 5.2注意力機制71 5.3帶空洞卷積的殘差網絡73 5.4Non-Local計算模式的注意力機制75 5.5網絡模型設計76 5.6訓練參數77 5.7評價指標77 5.8數據集78 5.9實驗分析79 5.10本章小結81 第6章結合雙注意力機制的語義分割網絡82 6.1殘差注意力機制82 6.2網絡模型設計84 6.3實驗結果分析84 6.3.1空洞卷積消融實驗84 6.3.2殘差注意力不同結構性能分析88 6.3.3與其他深度學**經網絡對比實驗89 6.4本章小結92 第7章基于高分辨率模型的裂縫病害圖像分類網絡與分割網絡93 7.1基于高分辨率模型的裂縫病害圖像分類網絡93 7.1.1HRNet93 7.1.2混合空洞卷積95 7.1.3網絡模型設計96 7.1.4基于HRNet的實驗結果與分析97 7.2基于高分辨率模型的裂縫病害圖像分割網絡98 7.2.1密集上采樣卷積98 7.2.2Passthrough layer模塊99 7.2.3擠壓與激勵注意力機制100 7.2.4網絡模型設計101 7.2.5實驗結果與分析102 7.3本章小結107 第8章基于可變形SSD的裂縫檢測模型109 8.1SSD109 8.2默認框109 8.3網絡結構111 8.4實驗過程與檢測結果114 8.4.1實驗過程114 8.4.2檢測結果120 8.5本章小結122 參考文獻123

展開全部

商品評論(0條)

寫書評賺書幣

暫無評論……

書友推薦