排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
针对路面裂缝检测不完整和分割出现断裂的问题，提出了一种多尺度特征增强的路面裂缝检测网络MFENet,实现端到端的路面裂缝图像检测、分类和分割处理；设计了多尺度注意力特征增强模块，建立了网络模型的上层多尺度特征通道与底层特征通道权重系数之间的映射关系，以提升有效通道的特征输出；基于路面裂缝的坐标信息和像素语义信息在物理位置上的相关性，设计了多语义特征关联模块，实现不同语义信息之间的特征融合增强，并通过特征维度转换实现对路面裂缝图像的前景特征过滤；提出了一种针对深度特征强度进行量化评估的方法，用于提升模型提取特征能力的可解释性。在自采集数据集上的研究结果表明：MFENet对路面裂缝图像检测的平均精准率和平均召回率相比Mask R-CNN分别提升了4.3%和5.4%,相比基线模型RDSNet分别提升了14.6%和14.3%;MFENet对路面裂缝图像分割的平均精准率和平均召回率相比Mask R-CNN分别提升了6.6%和8.8%,相比RDSNet分别提升了8.1%和9.7%;与Mask R-CNN等主流方法相比，MFENet对不同类型路面裂缝图像的检测、分割精度最高。在公开数据集(CFD、C... 相似文献
2.
针对目前路域环境感知系统易受路面结构和气候等众多因素影响从而造成感知数据出现异常的问题，对路域环境感知数据异常智能检测与修复问题展开研究，提出一种基于DS-LOF(Difference&Summation-Local Outlier Factor)与GA-XGBoost (Genetic Algorithm-eXtreme Gradient Boosting)的路域环境异常感知数据智能检测与修复方法。以沥青路面温湿度感知数据为实例，首先通过对感知数据进行一阶差分与线性求和计算，构建原始感知数据DS (Difference&Summation)特征向量；然后，基于DS-LOF算法对感知数据进行异常值检测，并与K-means聚类和单类支持向量机算法进行对比分析；其次，以原始感知数据集为基础，并结合异常检测结果，构建路域环境感知数据异常修复数据集；最后基于遗传算法优化XGBoost模型进行数据修复。试验结果表明：GA-XGBoost模型相比于XGBoost模型以及其他机器学习修复模型，其路域环境感知数据修复平均误差最低(MAE=1.253 7,R 相似文献
1