作者:
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:
针对图像处理法检测桥梁裂缝需要进行复杂的预处理这一问题,提出了一种无需进行预处理,直接将图像输入网络即可快速检测裂缝的智能识别方法.基于迁移学习的思想,建立了基于VGG16的迁移识别网络,并和ResNet50、VGG19、DenseNet121网络进行结果对比.实验显示:VGG16模型在本文桥梁裂缝数据集上的识别精度最高,测试准确率达到98.6%,单张图片检测时间仅需5.96 ms,可用于开发轻量化移动端视觉系统.
推荐文章
基于数字图像的混凝土桥梁裂缝检测技术
混凝土桥梁
裂缝检测
数字图像
计算机识别
图像处理
基于语义分割与迁移学习的手势识别
语义分割
迁移学习
手势识别
卷积神经网络
基于迁移学习优化的DCNN语音识别技术
语音识别
深度卷积神经网络
迁移学习
数据集规模
识别精度
培训时间
混凝土桥梁底部裂缝自动检测与测量
自动检测
桥梁裂缝
COMS工业相机
图像处理
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 基于迁移学习的桥梁裂缝智能检测与识别
来源期刊 信息技术与信息化 学科
关键词 桥梁裂缝检测 迁移学习 神经网络 图像识别
年,卷(期) 2021,(7) 所属期刊栏目 智能技术
研究方向 页码范围 233-235
页数 3页 分类号
字数 语种 中文
DOI 10.3969/j.issn.1672-9528.2021.07.071
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (16)
共引文献  (0)
参考文献  (5)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2013(2)
  • 参考文献(0)
  • 二级参考文献(2)
2014(1)
  • 参考文献(0)
  • 二级参考文献(1)
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(5)
  • 参考文献(0)
  • 二级参考文献(5)
2018(2)
  • 参考文献(0)
  • 二级参考文献(2)
2019(4)
  • 参考文献(2)
  • 二级参考文献(2)
2020(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
桥梁裂缝检测
迁移学习
神经网络
图像识别
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
信息技术与信息化
月刊
1672-9528
37-1423/TN
大16开
山东省济南市历下区趵突泉水路24号414
43031
1976
chi
出版文献量(篇)
9484
总下载数(次)
61
论文1v1指导