基于Attention机制和小波变换的桥梁病害检测模型研究

发布时间：2021-01-03 03:29

　　桥梁病害是各类桥梁普遍存在的问题,而桥梁病害检测是解决桥梁病害的必要条件。本文细致地研究了桥梁病害检测的研究现状,发现目前的桥梁病害检测方法仍以人工临检为主。随着深度学习的发展,目标检测模型被用于设计自动化的桥梁病害检测模型,但是这些模型仍存在如下几个问题:（1）对待检测图像的要求较高,在图像分辨率低或图像受光照影响发生颜色变化时,不能很好地处理;（2）现有方法仅仅是将现有的目标检测模型用于桥梁病害检测,没有针对桥梁病害检测任务和数据特点来研究和设计具体算法,存在检测效果差、速度慢问题。本文使用计算机视觉、深度学习、图像处理等相关技术改进现有的目标检测算法,并对图像中存在的“受光照影响发生色彩变化”和“分辨率低”的问题做了针对性研究,主要工作如下:（1）图像光照估计模型。本文提出基于分离卷积的深度神经网络用于提取图像中的光照,该模型实现了端到端的解决方法,其有11个卷积层,除第一个和最后一个外均为分离卷积层,并在网络最后使用“全局平均池化层”代替“全连接层”来降低网络的参数量。在公开数据集Color Checker Dataset上的光照估计误差比现有最优算法降低了约60%,同时将模型... 

【文章来源】：重庆大学重庆市 211工程院校 985工程院校 教育部直属院校

【文章页数】：84 页

【学位级别】：硕士

【部分图文】：

光照对图像的影响

AlexNet结构

Inception模块

【参考文献】：
期刊论文
[1]我国公路桥梁总数超80万座[J].   城市规划通讯. 2017(22)
[2]数数中国桥梁新之“最”[J]. 晴天.  当代学生. 2017(11)
[3]高速公路桥梁上部结构常见病害原因分析[J]. 申磊.  中国高新技术企业. 2014(25)
[4]一类光照不均图像的特征提取方法[J]. 吴金杰,杨翠荣,杨勇,庞全.  计算机系统应用. 2011(12)
[5]公路路面分形纹理特征分析和分类[J]. 王华,朱宁,王祁.  哈尔滨工业大学学报. 2005(06)
[6]图像分割技术及其在路面开裂损坏识别中的应用[J]. 王珣.  计算机工程. 2003(17)
[7]神经网络分类器的组合[J]. 韩宏,杨静宇.  计算机研究与发展. 2000(12)

硕士论文
[1]基于机器学习算法的颜色恒常性研究[D]. 胡冠杰.西安电子科技大学 2018



本文编号：2954226