排序方式： 共有2条查询结果，搜索用时 15 毫秒
1
1.
针对现有隧道检测车采集图像成像质量不佳,且洞壁存在大量病害相似物干扰的问题,提出了一种基于轻量化的HR(high resolution)-Net框架的隧道病害检测算法TC(tunnel crack)HR-Net。该算法保留了HR-Net的主干语义特征交换子网框架,移除其他分支子网络以降低模型体积。此外,为弥补“剪枝”操作导致的特征损失,在子网分支末端加入了SE模块,对特征的每一通道进行权重划分,以增强特征抽象水平。通过在与精细化标注隧道病害图像数据集上进行验证,本算法的mIoU指标分别达到80.21%与71.22%,高于其他对比算法,并接近HR-Net的检测结果,但是耗时比后者减少了30%。 相似文献
2.
相比基于特征点的传统图像特征匹配算法,基于深度学习的特征匹配算法能产生更大规模和更高质量的匹配.为获取较大范围且清晰的路面裂缝图像,并解决弱纹理图像拼接过程中发生的匹配对缺失问题,本文基于深度学习LoFTR (detector-free local feature matching with Transformers)算法实现路面图像的拼接,并结合路面图像的特点,提出局部拼接方法缩短算法运行的时间.先对相邻图像做分割处理,再通过LoFTR算法产生密集特征匹配,根据匹配结果计算出单应矩阵值并实现像素转换,然后通过基于小波变换的图像融合算法获得局部拼接后的图像,最后添加未输入匹配网络的部分图像,得到相邻图像的完整拼接结果.实验结果表明,与基于SIFT (scale-invariant feature transform)、SURF (speeded up robust features)、ORB (oriented FAST and rotated BRIEF)的图像拼接方法比较,研究所提出的拼接方法对路面图像的拼接效果更佳,特征匹配阶段产生的匹配结果置信度更高.对于两幅路面图像的拼接,采... 相似文献
1