幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

基於深度學習的裂縫病害圖像檢測與識別技術

  • 作者：張志華|責編:張艷芬//李娜
  • 出版社：科學
  • ISBN：9787030759443
  • 出版日期：2023/08/01
  • 裝幀：平裝
  • 頁數：132
人民幣：RMB 98 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    利用深度學習進行圖像檢測和特徵提取是近年來的研究熱點。本書通過系統總結國內外路面裂縫病害自動識別和提取的相關成果，詳細介紹深度學習的相關理論，構建改進殘差網路與注意力機制的語義分割網路，結合雙注意力機制的語義分割網路，基於高解析度模型的裂縫病害圖像分類和分割網路，以及基於可變形單步多框目標檢測的裂縫檢測模型，對裂縫病害圖像進行分類與分割提取，可以大幅提升裂縫的分類與識別精度，豐富深度學習中的網路模型。
    本書可供攝影測量與遙感、遙感科學與技術、電腦圖像處理等專業高等院校本科生和研究生，以及從事這方面研究的科研人員、工程技術人員參考。
作者介紹
張志華|責編:張艷芬//李娜
目錄
前言
第1章  緒論
  1.1  研究的背景及意義
  1.2  國內外研究現狀
    1.2.1  深度學習中的圖像分類網路
    1.2.2  深度學習中的圖像分割網路
    1.2.3  路面裂縫檢測
    1.2.4  路面裂縫病害圖像的分類和評估
  1.3  本章小結
第2章  深度學習
  2.1  深度學習概述
  2.2  深度學習網路結構
    2.2.1  單層神經網路
    2.2.2  多層神經網路
    2.2.3  常見的CNN
  2.3  深度學習訓練過程
    2.3.1  監督學習
    2.3.2  非監督學習
  2.4  CNN
    2.4.1  CNN基本結構
    2.4.2  卷積層
    2.4.3  池化層
    2.4.4  全連接層
    2.4.5  激活函數
    2.4.6  損失函數
  2.5  上下採樣計算
    2.5.1  感受野
    2.5.2  空洞卷積
    2.5.3  上採樣計算
    2.5.4  下採樣計算
  2.6  CNN中的圖像分類模型
    2.6.1  Fast RCNN模型
    2.6.2  SSD網路模型
    2.6.3  YOLOv4網路模型
  2.7  CNN中的圖像分割模型
    2.7.1  FCN模型
    2.7.2  SegNet模型
    2.7.3  U-Net模型
    2.7.4  DeepLab v3+網路
    2.7.5  DenseASPP網路
  2.8  本章小結
第3章  裂縫病害圖像特徵分析及數據預處理
  3.1  路面裂縫類型
  3.2  路面裂縫的特點及成因
    3.2.1  路面裂縫的特點
    3.2.2  路面裂縫的成因
  3.3  路面裂縫數據集製作
    3.3.1  自製數據集Highway Crack
    3.3.2  自製可變SSD數據集
    3.3.3  公共數據集

    3.3.4  圖像集預處理
  3.4  裂縫識別技術流程
  3.5  實驗環境選擇及搭建
    3.5.1  實驗環境選擇
    3.5.2  實驗環境搭建
  3.6  本章小結
第4章  基於CNN的公路裂縫分類識別實驗及分析
  4.1  實驗模型評估與分析
  4.2  卷積可視化分析
  4.3  路面裂縫特徵提取與分析
  4.4  路面裂縫識別結果
  4.5  本章小結
第5章  基於改進殘差網路與注意力機制的語義分割網路
  5.1  殘差網路
  5.2  注意力機制
  5.3  帶空洞卷積的殘差網路
  5.4  Non-Local計算模式的注意力機制
  5.5  網路模型設計
  5.6  訓練參數
  5.7  評價指標
  5.8  數據集
  5.9  實驗分析
  5.10  本章小結
第6章  結合雙注意力機制的語義分割網路
  6.1  殘差注意力機制
  6.2  網路模型設計
  6.3  實驗結果分析
    6.3.1  空洞卷積消融實驗
    6.3.2  殘差注意力不同結構性能分析
    6.3.3  與其他深度學習神經網路對比實驗
  6.4  本章小結
第7章  基於高解析度模型的裂縫病害圖像分類網路與分割網路
  7.1  基於高解析度模型的裂縫病害圖像分類網路
    7.1.1  HRNet
    7.1.2  混合空洞卷積
    7.1.3  網路模型設計
    7.1.4  基於HRNet的實驗結果與分析
  7.2  基於高解析度模型的裂縫病害圖像分割網路
    7.2.1  密集上採樣卷積
    7.2.2  Passthrough layer模塊
    7.2.3  擠壓與激勵注意力機制
    7.2.4  網路模型設計
    7.2.5  實驗結果與分析
  7.3  本章小結
第8章  基於可變形SSD的裂縫檢測模型
  8.1  SSD
  8.2  默認框
  8.3  網路結構
  8.4  實驗過程與檢測結果
    8.4.1  實驗過程

    8.4.2  檢測結果
  8.5  本章小結
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032