基于卷积神经网络的结构损伤识别研究进展

为系统梳理基于卷积神经网络的工程结构损伤识别方法的发展脉络和研究现状,分别从结构损伤的识别目的和在不同类型结构中的应用两方面进行了归类、分析和评价。介绍了卷积神经网络的基本结构和评价指标,回顾了卷积神经网络的研究和应用历程。在损伤的识别目的方面,主要针对混凝土结构损伤的分类、定位和分割,详细介绍了基于不同类型卷积神经网络的结构损伤识别方法,即基于分类的方法、基于回归的方法和像素级的图像分割算法; 分析了各类方法所使用的卷积神经网络模型的结构特点、计算流程、训练方法和损伤识别性能。在不同类型结构的损伤识别方面,分析了卷积神经网络在砌体结构、钢结构桥梁和古建筑木结构裂缝识别中的应用。最后,基于对卷积神经网络优缺点的思考,提出了发展建议和展望。结果表明:训练样本中结构损伤的多样性对模型的损伤识别效果影响较大; 现有基于卷积神经网络的损伤分割方法模型参数较多,计算量大; 采用数据增广和迁移学习方法可有效防止模型过拟合,提高模型训练效率; 针对微小损伤和不同类型结构损伤的识别,此类方法的性能有待提高。     

基于递进式级联卷积神经网络的混凝土裂缝识别方法

基于深度学习的卷积神经网络方法是目前图像裂缝识别鲁棒性较高的方法,主要分为滑动窗口法和图像分割法。滑动窗口法存在后期阈值分割裂缝精度不高的问题;全局图像分割法存在裂缝区域数据和背景区域数据严重不均衡问题,会对裂缝分割精度产生影响。采用了基于递进式级联卷积神经网络的方法对混凝土表面裂缝进行识别:首先采用全卷积神经网络一次性判断图像中所有密集重叠窗口区域内是否含有裂缝,然后将含有裂缝的窗口区块提取出来作为感兴趣区域,再基于轻量化的U-Net图像分割网络作用于感兴趣区域,将裂缝区域精确地提取出来。试验结果表明,所提出的基于递进式级联卷积神经网路的裂缝识别方法优于直接使用滑动窗口法和全局图像分割法,有着可靠的应用前景。     

基于卷积神经网络的图像分割算法

本文介绍了传统卷积神经网络的基本原理和存在的问题,然后针对存在的问题,提出了一种基于图分割技术的全卷积神经网络算法。经实验验证可知,本文所提出算法在分割精度、平均精确度、全局精确度、计算效率和存储空间占用方面均优于传统算法,同时本算法具备一定的推广和应用价值。     

集成卷积神经网络的图像分类

本文针对环境监控视频图像分类,文章从集成卷积神经网络的角度,探析了其在图像分类中的有效应用,以卷积神经网络实现图像处理,建立不同计算神经节点,评估图像并进行分类。实验结果表明,深度神经网络拥有最大间隔和最小分类误差,是对交叉熵准则的有效补充,对图像的分类处理结果良好,值得进一步的研究和推广。     

基于街景图像的哈尔滨历史街区天空视角因子评价

文中以哈尔滨南岗、道里、道外3个典型历史街区为研究对象,使用卷积神经网络对街景图像进行语义分割,计算重要城市形态指标天空视角因子(SVF)。研究结果发现,基于街景图像和基于建筑高程得到的SVF平均值差值为0.425。其差值由街谷内行道树遮阴造成。树木遮阴对哈尔滨历史街区内天空视角因子的影响比例为56.3%。     

用于自动驾驶汽车的深度学习技术介绍

智能化是汽车的三大变革技术之一。深度学习（Deep Learning,DL）具有拟合能力优、表征能力强和适用范围广的特点,是进一步提升汽车智能性的重要途径。本文总结了用于自动驾驶汽车的深度学习技术,包括发展历史、主流算法以及感知、决策与控制技术应用。首先回顾深度学习的历史及现状,总结神经网络的“神经元-层-网络”三级结构,重点介绍卷积网络和循环网络的特点以及代表性模型。其次阐述以反向传播为核心的深度网络训练算法,列举用于深度学习的常用数据集与开源框架,概括网络计算平台和模型优化设计技术。最后讨论深度学习在自动驾驶汽车的环境感知、自主决策和运动控制三大方向的应用现状及其优缺点,具体包括物体检测和语义分割、分解式和端到端决策、汽车纵横向运动控制等,针对用于自动驾驶汽车的深度学习技术,指明了不同问题的适用方法以及关键问题的未来发展方向。     

卷积神经网络在心拍类识别中的应用

本文基于卷积神经网络进行心拍类识别中的应用进行处理,可以有效的解决数据不平衡的问题,通过构建CNN模型提取心拍特征,综合各类别CNN模型进行识别与分类处理,其效果显著。基于此,文章主要对卷积神经网络在心拍类识别中的应用分析进行了简单的研究。     

基于全卷积神经网络的桥梁裂缝分割和测量方法

为了提高桥梁病害检测自动化水平,解决当前人工检测耗时费力和传统图像分割方法存在去噪效果不明显、分割后裂缝连续性较差等问题,提出了一种基于全卷积神经网络的BCI-AS(Bridge Crack Image-Automatic Segmentation)桥梁裂缝自动分割模型和一种基于投影技术的最小二乘拟合中心线的裂缝宽度测量算法。基于BCI-AS的模型对桥梁裂缝图像数据集进行了精确的像素级分割,分割准确率达到94.45%。基于投影技术最小二乘拟合中心线的算法对分割的裂缝二值图进行了宽度测量,结果表明相对误差在7%以下,证明了所提出具体算法对裂缝分割和裂缝宽度计算的可行性。     

基于全卷积神经网络的锈蚀钢筋截面检测方法

锈蚀钢筋检测的传统方法对试验仪器的精度要求高、人为因素对检测结果的影响大,不便于应用推广.基于全卷积神经网络提出了一种锈蚀钢筋截面的检测方法,通过对锈蚀钢筋截面图像样本进行像素分割以实现截面区域的检测.神经网络设计时采用了VGG19-FCN及U-Net两种架构,并对二者的识别性能进行了对比分析.图像样本采用从实际工程中...     

视频图像去雨技术研究前沿

户外视觉系统越来越广泛地应用于军事、交通及安全监控等领域,但是恶劣天气严重影响了系统的性能,而下雨是最频繁的恶劣天气之一,会严重损害视频图像的质量,因此检测和去除视频图像中的雨滴对于一个全天候的户外视觉系统来说是必不可少的。去雨技术不仅可以恢复被雨滴影响的视频图像,而且有利于对视频图像的进一步处理,包括基于视频图像的目标检测、识别、追踪、分割和监控等技术的性能提高。为了去除视频图像中的雨滴,首先要分析其成像规律,深入研究雨滴的几何、亮度、色彩和时空等特性,然后基于这些特性进行雨滴检测,最后去除雨滴,修复视频图像。讨论了目前的各种去雨技术,从视频图像中雨滴的特性入手,详细地阐述了各类去雨算法及其优缺点。为了内容的全面性和完整性,对部分具有代表性的算法进行了定量和定性分析。最后对该研究领域中亟待解决的问题进行了总结,并且在此基础上对其未来的发展方向做了进一步展望。