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:
针对传统桥梁裂缝检测方法存在着图像处理方法鲁棒性不强和人工检测费时费力的问题,文章提出了一种基于加入残差块的桥梁裂缝像素级检测算法,以实现对桥梁裂缝进行快速识别的目的,为桥梁健康状况评估提供更直观、准确的检测结果.结果表明,文章所提方法可精准高效地定位、分类、识别裂缝,有一定实际应用价值.
推荐文章
基于深度学习的人体动作识别方法
深度信息
人体动作识别
深度学习
空间结构动态深度图
深度卷积神经网络
基于深度学习的盾构隧道衬砌病害识别方法
盾构隧道
衬砌病害
深度学习
卷积神经网络
图像分类
基于深度迁移学习的人脸识别方法研究
深度学习
人脸识别
迁移学习
不变性
区分性
基于集成深度学习的玻璃缺陷识别方法
卷积神经网络
玻璃缺陷识别
KSVD算法
稀疏自编码
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 基于深度学习的桥梁裂缝识别方法研究
来源期刊 水利规划与设计 学科 交通运输
关键词 裂缝检测 残差网络 分割 精准高效
年,卷(期) 2021,(1) 所属期刊栏目 科研与管理
研究方向 页码范围 75-80
页数 6页 分类号 U446
字数 语种 中文
DOI 10.3969/j.issn.1672-2469.2021.01.017
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (109)
共引文献  (648)
参考文献  (10)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1945(1)
  • 参考文献(0)
  • 二级参考文献(1)
1979(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(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)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(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(3)
  • 参考文献(0)
  • 二级参考文献(3)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(5)
  • 参考文献(0)
  • 二级参考文献(5)
2003(3)
  • 参考文献(1)
  • 二级参考文献(2)
2004(4)
  • 参考文献(0)
  • 二级参考文献(4)
2005(7)
  • 参考文献(1)
  • 二级参考文献(6)
2006(5)
  • 参考文献(1)
  • 二级参考文献(4)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(4)
  • 参考文献(0)
  • 二级参考文献(4)
2009(8)
  • 参考文献(0)
  • 二级参考文献(8)
2010(8)
  • 参考文献(0)
  • 二级参考文献(8)
2011(8)
  • 参考文献(0)
  • 二级参考文献(8)
2012(5)
  • 参考文献(0)
  • 二级参考文献(5)
2013(16)
  • 参考文献(0)
  • 二级参考文献(16)
2014(11)
  • 参考文献(1)
  • 二级参考文献(10)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(3)
  • 参考文献(0)
  • 二级参考文献(3)
2017(7)
  • 参考文献(1)
  • 二级参考文献(6)
2018(5)
  • 参考文献(2)
  • 二级参考文献(3)
2019(3)
  • 参考文献(2)
  • 二级参考文献(1)
2021(0)
  • 参考文献(0)
  • 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
裂缝检测
残差网络
分割
精准高效
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
水利规划与设计
月刊
1672-2469
11-5014/TV
大16开
北京市西城区六铺炕北小街2-1号
1988
chi
出版文献量(篇)
5097
总下载数(次)
6
论文1v1指导