【摘 要】
：
针对复杂背景下隧道的细小裂缝图像特征难以提取以及裂缝像素类别不平衡等问题,提出了一种改进U-Net网络的隧道裂缝分割算法。将U-Net模型的编码器和解码器与残差模块相结合,使得网络参数共享,并避免出现深层网络梯度消失的问题;在此结构基础上引入挤压和激励(Squeeze and Excitation,SE)模块来提升重要特征,抑制无用特征,加强对裂缝边缘和形状等特征的权重分配;采用组合损失函数来处理
【机 构】
：
北京联合大学 北京市信息服务工程重点实验室,北京 100101;北京联合大学 城市轨道交通与物流学院,北京 100101
论文部分内容阅读
针对复杂背景下隧道的细小裂缝图像特征难以提取以及裂缝像素类别不平衡等问题,提出了一种改进U-Net网络的隧道裂缝分割算法。将U-Net模型的编码器和解码器与残差模块相结合,使得网络参数共享,并避免出现深层网络梯度消失的问题;在此结构基础上引入挤压和激励(Squeeze and Excitation,SE)模块来提升重要特征,抑制无用特征,加强对裂缝边缘和形状等特征的权重分配;采用组合损失函数来处理裂缝像素正负样本不平衡的问题,进一步获得更加精细的分割结果。在公共隧道裂缝数据集和自制数据集上设计对比实
其他文献
为了保证大规模M IM O系统性能,针对系统所使用天线选择算法复杂度过高的问题,基于信道容量最大化准则对天线选择算法进行改进,提出了适用于大规模M IM O系统的最大欧式范数双向选择算法.该算法通过计算信道矩阵的欧式范数来判断每根天线对容量贡献的权重,从空集和全集两个方面从天线集中选择天线.通过仿真实验验证了最大欧式范数双向选择算法能够降低算法复杂度,在不同选择天线数和信噪比环境下保持较优信道容量,能够满足复杂的传播环境,更适合应用于实际的通信系统.
为从不同程度的混响语音中获得干净的语音信号,保留尽可能多的声学特性,提出一种基于混响时间感知的特征提取方法,在深度神经网络(DNN)训练阶段使用混响时间(RT60)相关参数优化系统在不同混响环境下的去混响效果.在去混响阶段,将混响语音输入到训练好的DNN进行语音去混响之前,先对混响时间进行估计,以选择合适的帧移系数和语音上下文窗系数进行特征提取.在此基础上建立一个多目标神经网络,结合基于掩蔽和基于幅度谱估计的方法,实验结果表明,所提方法相较传统不考虑混响时间的方法,在语音可懂度和语音质量方面都有明显提高,
针对帕金森疾病(Parkinson\'s Disease,PD)开环深部脑刺激(Deep Brain Stimulation,DBS)疗法存在能耗过多而引起副作用的问题,提出根据患者临床状态变化实时调节刺激参数的自适应闭环DBS方案.选取与临床状态密切相关的内侧苍白球β频段(13～35 Hz)振荡功率作为反馈信号,定义随运动状态动态变化的β功率值作为参考信号;选取鲁棒性强的模糊控制算法实时求解DBS参数并与传统比例-积分算法的控制效果进行比较;应用皮层-基底核-丘脑网络生理模型验证所设计自适应闭环DB
现实中的多目标问题日益复杂,解决这类问题需要高效的优化算法.基于麻雀搜索算法,提出多目标麻雀搜索算法(Multi-objective Sparrow Search Algorithm,MSSA),对多目标优化问题进行求解.依据外部存档收敛性动态调整麻雀种群比例因子,以达到全局探索能力和局部开发能力的最佳平衡,确保收敛性;对麻雀种群进行非支配排序;对麻雀种群的发现者引入多项式变异因子,增强算法跳出局部最优的能力;设计一种新型拥挤度距离计算策略,利用外部存档解的拥挤度大小剔除相似个体的方法对种群进行裁剪,使个
YOLOv3目标检测算法在检测目标时没有考虑边界框坐标定位存在的不确定性,因此有时不能得出正确的检测结果。针对此问题,提出YOLO-wLU(YOLO with Localization Uncertainty)算法。该算法借鉴深度学习中的不确定性思想,使用高斯分布函数建立边界框坐标的概率分布模型以考虑边界框坐标定位不确定性;设计新的边界框损失函数,在检测过程中移除定位不确定性较大的检测结果;通过融
在目标跟踪过程中,目标遮挡往往会造成跟踪器的性能下降,从而导致目标丢失。针对这一问题,提出一种基于LCT+核相关滤波的自适应抗遮挡目标跟踪算法。该算法在LCT+核相关滤波算法的基础上进行改进,利用双跟踪器自适应对目标进行跟踪,即根据两个跟踪器的输出响应值大小选择最优跟踪器跟踪目标;利用支持向量机自适应重新检测目标,即根据目标丢失帧的数量自适应调整检测框范围的大小;最后采用颜色直方图匹配的方法进一步
针对当前图像修复领域存在结构丢失、纹理模糊、不能够充分利用背景信息生成内容风格一致的填充区域的问题,在编码解码网络基础上,提出带有多尺度结构信息与注意力机制的共享修复模型。在生成阶段,嵌入多尺度结构信息为图像修复提供前提条件。同时使用多尺度注意力机制,从背景信息中获取相关信息,并经过细化,生成与图像相关的内容和结构;使用PatchGAN和固定权重VGG-16分类器作为鉴别器,并将风格损失和感知损失
为解决服装生产中的裁剪分床计划问题,结合生产过程的影响因素和订单需求,建立了裁剪分床的多目标数学模型进行优化,使用一种改进的双种群粒子群-遗传混合算法对模型进行求解.混合算法将进化种群划分为普通种群和精英种群,利用改进的遗传算法来全局搜索进化普通群体并筛选精英个体,同时结合粒子群优化算法进化精英群体.交叉和变异保证种群的多样性,粒子群寻优机制提升进化速度,两种群在进化时交叉影响不断寻找最优方案.实验结果表明:混合算法在解决多目标的生产订单裁剪分床问题上表现稳定,相比改进的遗传算法有更快的寻优速度,比手工计