10.19713/j.cnki.43-1423/u.T20200575
融合自注意力机制与深度学习的混凝土表面裂隙智能识别
混凝土裂隙几何信息识别的精确度,影响后期工程的安全.而传统的检测方法存在对裂隙识别不准、不全、不即时的缺陷,无法满足精度和实效性的现实需求.本文提出一种融合自注意力机制与全卷积神经网络的图像分割算法,以混凝土裂隙图像建立数据集,搭建深度学习网络;以全卷积神经网络训练模型,使用空间自注意力模块调整特征编码,输出基于自注意力机制模块识别的高精度二值图.经精准率、召回率、平均交并比和综合评价指标等维度同传统图像分割方法进行对比,结果显示,本文方法得到的混凝土裂隙二值图与原图最相近,在定量上精准率、召回率、平均交并比和综合评价指标分别达到62.93%,88.08%,72.21%和83.86%,进而验证本文提出的方法优于传统方法裂隙识别方法.
深度学习、全卷积神经网络、自注意力机制、裂隙识别
18
TU455(土力学、地基基础工程)
国家自然科学基金;湖南省自然科学基金
2021-05-27(万方平台首次上网日期,不代表论文的发表时间)
共9页
844-852