基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
基于人工智能,尤其是深度学习的方法对管道缺陷进行识别和分类,能够大幅提高工作效率,降低成本,应用效果良好.但实际工作中存在着当地模型泛化能力不强,在不同测区不同作业队伍不同作业方法下,模型精度下降甚至无法收敛的问题,应用迁移学习方法,在不同测区,不同视频设备、不同作业方法情况下,基于原有模型,增加少量本地数据进行迁移学习,快速建立适用于本测区的预测模型,具有重要的研究和实用价值,本文以两个城市、两种检测方法、三个作业队伍的数据进行了试验和分析,试验表明,迁移学习可以明显减少模型训练的样本和时间需求,显著提高了预测精度.对当前深度学习技术在管道检测领域应用的进一步发展具有参考意义.
推荐文章
基于示例学习的图像人脸检测技术
人脸探测
示例学习
聚类
分类器
基于多示例学习的时序离群点检测算法研究
机器学习
时序离群点
多示例学习
聚类
平均因子
基于深度迁移学习的网络入侵检测
深度自编码器
迁移学习
入侵检测
嵌入层
标签层
压力管道无损检测技术在锅炉检测中的应用
压力管道
无损检测技术
锅炉检测
非破坏性
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 迁移学习在管道检测中的应用示例及分析
来源期刊 城市勘测 学科 地球科学
关键词 管道检测 人工智能 深度学习 迁移学习 CCTV检测 QV检测
年,卷(期) 2019,(z1) 所属期刊栏目 人工智能、探测检测技术
研究方向 页码范围 204-207
页数 4页 分类号 P631|TP183
字数 3323字 语种 中文
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (77)
共引文献  (196)
参考文献  (4)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1977(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(3)
  • 参考文献(0)
  • 二级参考文献(3)
2009(3)
  • 参考文献(0)
  • 二级参考文献(3)
2010(8)
  • 参考文献(0)
  • 二级参考文献(8)
2011(3)
  • 参考文献(0)
  • 二级参考文献(3)
2012(3)
  • 参考文献(0)
  • 二级参考文献(3)
2013(1)
  • 参考文献(0)
  • 二级参考文献(1)
2014(19)
  • 参考文献(0)
  • 二级参考文献(19)
2015(10)
  • 参考文献(1)
  • 二级参考文献(9)
2016(8)
  • 参考文献(0)
  • 二级参考文献(8)
2017(8)
  • 参考文献(1)
  • 二级参考文献(7)
2018(3)
  • 参考文献(0)
  • 二级参考文献(3)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
管道检测
人工智能
深度学习
迁移学习
CCTV检测
QV检测
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
城市勘测
双月刊
1672-8262
42-1309/TU
大16开
武汉市汉口万松园路209号
38-440
1986
chi
出版文献量(篇)
5323
总下载数(次)
16
总被引数(次)
16303
论文1v1指导