基于建筑信息化的无人机遥感测量关键建筑材料图像识别浅析

无人机遥感测量技术、建筑信息化技术是近来越来越多使用的先进技术。基于建筑信息化的无人机遥感测量能较快较准确地对建筑进行测量,其中一个关键技术点是无人机拍摄图像的图像识别。本文基于建筑信息化的无人机遥感测量关键建筑材料图像识别模型的建立、数据读取、分层、训练语意分割及应用等方面,对基于建筑信息化的无人机遥感测量关键建筑材料图像识别技术进行研究,为无人机遥感测量提供参考。     

无人机高空图像的识别技术

近几年无人驾驶飞机(以下简称无人机)在低空、超低空等领域得到长足的发展,运用范围也逐步扩大,机器也由高精尖向平民化迈进。无人机高空图像识别是无人机应用领域的一个重要部分,但因需求不一致,导致无人机拍摄的图像质量参差不齐,很多图像都不能进行存储和重复利用,导致人力和机器的重复运作和资源浪费。文章结合相关理论,对无人机高空图像识别相关理论进行分析。     

以LBP为基础的图像集人脸识别算法分析

人脸识别技术主要有单一图像识别与多图像识别。基于图像集人脸识别算法采用了多图像识别,主要是在LBP的基础上进行有效的计算,与传统算法相比具有较大的优势。文章首先对人脸识别数据库进行分类阐述,而后对人脸检测技术进行深入的分析,最后着重分析以LBP为基础的图像集人脸识别算法,提出几点建议,仅供参考。     

四类常见边坡岩石类别识别和边界范围确定的方法

岩质边坡岩石的分类与边界范围的确定对于边坡稳定性的分析至关重要,目前人工方法效率低且受主观因素影响,所以基于Tensorflow建立了岩质边坡图像集分析的卷积神经网络模型,通过卷积操作和池化操作分别对80000张岩质边坡图像进行特征信息的提取和压缩,然后对网络模型进行训练从而实现了岩质边坡岩石的自动识别与分类;采用训练集和测试集中的岩质边坡图像对模型进行检验分析,训练集准确率达到了98%,测试集准确率达到了90%,显示了训练之后的网络模型具有良好的鲁棒性,达到了理想的训练效果。接下来以边坡不同岩石的颜色为主要区分依据,利用深度学习回归操作对岩质边坡不同种类岩石的范围进行确定,为验证算法效果,选取标准彩色岩质边坡图像进行仿真试验,边界检测效果准确。最终采用深度学习建立的网络模型,实现了岩质边坡岩石识别与边界范围划分的快速化、自动化,为后续将图像识别获取的岩质边坡信息导入团队自主研发的GeoSMA-3D软件中,作为对岩质边坡等级判定的重要参数。     

基于深度全卷积神经网络的图像识别研究

将要建立多层卷积网络模型，并使用AlexNet预训练模型，在此基础上进行迁移学习，使用kaggle的猫狗数据集进一步训练，模型最终能高灵活度、高准确率的识别猫狗图像，并且不受图像中猫狗的占比大小影响。该网络模型共有6 000万参数，一共包含8个卷积层，其中某些卷积层带有归一化层和池化层，最后一层是具有两个通道的图像输出，每个通道的值分别代表图像为猫和狗的概率。整个网络模型，弃用全连接层，选用全卷积网络来代替全连接层，大大提高网络的灵活性，解决了输入图像分辨率的限制问题，并且全卷积网络的前向传播更加高效，加快了训练的速度。为了方便分析以及进一步的研究，将可视化一层卷积和二层卷积所得到的卷积核和特征图。     

基于相关向量机和方向导数的车辆识别

由于图像匹配需预先组建庞大的图片库以及图像识别对灰度梯度的严重依赖性,提出利用相关向量机和灰度的方向导数对车辆进行识别。针对不同车道数将背图像作为图片库的基元,对图片进行编码;对采集到的图像进行车道线提取,确搜索域;并进行相应的网格划分,依据灰度均值确网格的属性标签,从而建立图片的特征向量,将原图与模板特征向量的2范数作为表征指标,并利用相关向量机对车辆进行分类,从而对车辆进行位;对提取的车辆区域灰度进行函数拟合,通过求解函数极值确车辆的中心区域,并建立相应的搜索方向,将满足双阈值的像素点作为最终的轮廓边缘,从而实现对车辆轮廓边缘的细化。用大量真车试验图片对模型进行测试,结果表明:所建模型仅需有限的图片库,搜素量小,识别耗费时间短,准确率高;模型对图像灰度梯度的依赖性小,且通过双阈值有效剔除伪轮廓点,细化车辆边缘。     

基于Inception-v3模型的蛇类图像识别

本研究基于迁移学习方法,重新训练TensorFlow深度学习库中的Inception-v3卷积神经网络模型,对5种代表性蛇类进行高精度分类。模型训练结果显示,训练集总体准确率达到99%,测试集总体准确率达到92.3%,模型交叉熵损失值维持在0.015,具有良好的分类准确性。本研究针对此模型开发了一款Web系统,实现了模型Web线上部署,系统实测评估结果显示,对于5种实际蛇类图片,模型实际分类准确率维持在88%-96%之间,具有良好的泛化能力。     

基于卷积神经网络的聚落肌理表意型分类探究

该文选取两类极端的聚落形态:有机型和无机型聚落肌理,基于聚落肌理图片数据,通过人工分类与卷积神经网络图像识别相结合,在大量样本训练基础上,根据聚落肌理形态表意特征对聚落进行分类判定.阐明了两种聚落肌理数据集的分类整理方法以及判定模型的建立过程,结合实际聚落案例,对不同聚落的序列信息以及内部空间关系进行分类研究,利于探究...     

基于卷积神经网络的桥梁裂缝检测研究

为了实现桥梁裂缝自动化检测,将无人机技术与图像识别技术相结合,利用深度学习框架搭建卷积神经网络模型,识别无人机采集的桥梁外观图片,达到了精确检测桥梁裂缝的效果,具有一定实际应用价值。     

无人机数字图像识别在施工领域中的应用

对无人机在施工领域的运用进行了分析,以钢筋图像识别为例,提出了运用霍夫变换方法,进行数字图像识别研究,达到了精确识别钢筋边缘效果,解决了施工现场无人机采集的图像识别困难的问题。