(外 Q1 2021)基于多尺度特征融合的深度监督卷积神经网络路面裂缝检测

上传者: 43537420 | 上传时间: 2022-09-04 20:05:31 | 文件大小: 15.32MB | 文件类型: ZIP
在这项工作中,提出了一种用于裂纹检测的深度监督网络。在该网络中,DeepLab被用作密集特征提取器,以获得多尺度卷积特征。采用了一种新的多尺度特征融合模块。 该模块背后的主要动机是解决U形结构中具有语义信息的深层特征在逐层融合过程中被稀释的问题。深度监督学习用于多尺度特征的集成直接监督。此外,采用加权交叉熵损失函数来解决路面裂缝数据的样本不平衡问题。为了进行性能评估,我们分别在三个公共裂缝数据集上进行了实验。实验结果表明,我们的方法优于最先进的裂纹检测方法。

文件下载

资源详情

[{"title":"( 10 个子文件 15.32MB ) (外 Q1 2021)基于多尺度特征融合的深度监督卷积神经网络路面裂缝检测","children":[{"title":"笔记","children":[{"title":"(外)面向自动驾驶的深度强化学习:调查.png <span style='color:#111;'> 3.63MB </span>","children":null,"spread":false},{"title":"(2022 硕士毕业论文)大规模车辆路径问题的深度强化学习算法研究.png <span style='color:#111;'> 4.58MB </span>","children":null,"spread":false},{"title":"英文.txt <span style='color:#111;'> 868B </span>","children":null,"spread":false},{"title":"(外)深度学习定位真实故障的有效性研究.png <span style='color:#111;'> 2.76MB </span>","children":null,"spread":false},{"title":"md","children":[{"title":"(外)面向自动驾驶的深度强化学习:调查.md <span style='color:#111;'> 6.13KB </span>","children":null,"spread":false},{"title":"(外 Q1 2021)基于多尺度特征融合的深度监督卷积神经网络路面裂缝检测.md <span style='color:#111;'> 5.89KB </span>","children":null,"spread":false},{"title":"(2022 硕士毕业论文)大规模车辆路径问题的深度强化学习算法研究.md <span style='color:#111;'> 4.91KB </span>","children":null,"spread":false},{"title":"(外)深度学习定位真实故障的有效性研究.md <span style='color:#111;'> 5.03KB </span>","children":null,"spread":false}],"spread":true},{"title":"(外 Q1 2021)基于多尺度特征融合的深度监督卷积神经网络路面裂缝检测.png <span style='color:#111;'> 5.86MB </span>","children":null,"spread":false},{"title":"基于深度学习的图像隐写方法研究.png <span style='color:#111;'> 2.10MB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明