检索结果-南通市图书馆

基于语义分割的道路裂缝检测与模型学习策略研究

在线全文

学校读者我要写书评

暂无评论

基于语义分割的道路裂缝检测与模型学习策略研究

作者：许正森南京信息工程大学

学位级别：硕士

作为道路病害的早期征兆,及时准确的道路裂缝检测对于道路养护机构降低成本并提高驾驶舒适性和安全性具有重要意义。道路裂缝检测任务中,传统图像处理方法存在鲁棒性和可重复性较差等问题,而卷积神经网络(convolutional neural network,... 详细信息

作为道路病害的早期征兆,及时准确的道路裂缝检测对于道路养护机构降低成本并提高驾驶舒适性和安全性具有重要意义。道路裂缝检测任务中,传统图像处理方法存在鲁棒性和可重复性较差等问题,而卷积神经网络(convolutional neural network,CNN)模型全局语义建模能力不足,难以在复杂道路环境下完整提取道路裂缝。此外,通过引入多尺度卷积以及各种注意力机制虽然可以提升模型检测性能,但是同样会导致模型计算量和内存占用增强,不利于实时高效道路裂缝检测任务。同样,日益复杂的道路裂缝检测模型还需要大规模成本高昂的人工标注训练数据集。最后,现有各种深度模型训练技巧在道路裂缝检测任务中适用性研究较为缺乏。针对上述问题,本研究基于Transformer多头自注意力机制提出基于局部特征增强Transformer模型的道路裂缝检测深度网络,以从受离散噪声影响严重的路面图像中完整提取道路裂缝。在此基础上,本研究通过提出半监督Transformer道路裂缝检测模型,在保证模型检测性能同时,减少对人工标注数据依赖。最后,针对各种解决类别不平衡问题以及其它提升模型性能的模型训练策略,本研究通过实验验证其在道路裂缝检测任务中的适用性。具体内容如下:(1)针对目前常用CNN模型长距离依赖建模能力不足以及嵌入注意力机制CNN模型效率低等问题,本文提出一种局部特征增强Transformer模型的道路裂缝检测深度网络。通过引入多头自注意力Transformer模块,以更高效提取全局语义特征;其次,针对Transformer归纳偏置能力不足和不适用高分辨率大尺度图像等问题,本文提出局部特征增强模块和卷积主干模块,提升模型细粒度局部特征建模能力。最后,本文还设计考虑局部和全局语义信息的跨越连接、基于子像素卷积的上采样模块以及基于深度监督机制的缺陷校正模块,进一步提升模型道路裂缝检测能力。(2)针对现有全监督模型对标记样本需求过高以及半监督模型内存占用较大、不稳定以及训练效率低等问题,本研究基于上一步所提局部特征增强Transformer模型进一步提出基于一致性正则化的半监督Transformer道路裂缝检测模型。该模型通过使用一致性正则化,在解码器中引入特征扰动。并提出Cut Mix＿S数据增强方法、对数升温函数以及锐化函数等方法,便于模型训练。开源基准数据集上的对比实验和消融实验表明,本文所提方法在道路裂缝检测任务中仅需要22张256×256像素大小有监督训练图像即可取得较优性能表现且优于目前SOTA方法。(3)现有模型大多内嵌多种训练策略,但是在文中往往体现较少,所以模型对比相对不公平。此外,针对多种模型训练策略在道路裂缝检测任务中的适用性研究也较少。因此,本研究通过实验探索各种数据预处理方法、数据增强方法以及模型部署方法,以验证其在道路裂缝检测任务中的适用性。研究发现,Mix Up、下/上采样、过采样以及随机翻转等策略用于裂缝检测任务时,需要精心设计参数,否则可能会导致模型性能下降;其次,深度监督、预训练以及类别不平衡损失函数和随机旋转等策略会显著提升裂缝模型表现。

关键词：道路裂缝检测深度学习 Transformer 半监督学习模型训练

多尺度局部特征增强Transformer道路裂缝检测模型

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

中国图象图形学报 2023年第4期28卷 1019-1028页

作者：许正森雷相达管海燕南京信息工程大学遥感与测绘工程学院南京210044

目的道路裂缝是路面病害的早期征兆。定期监测路面状况、及时准确地发现路面裂缝对于交通养护机构降低成本、保证路面结构的可靠性和耐久性以及提高驾驶安全性、舒适性有重要意义。目前基于卷积神经网络的深度学习模型在长距离依赖建模... 详细信息

目的道路裂缝是路面病害的早期征兆。定期监测路面状况、及时准确地发现路面裂缝对于交通养护机构降低成本、保证路面结构的可靠性和耐久性以及提高驾驶安全性、舒适性有重要意义。目前基于卷积神经网络的深度学习模型在长距离依赖建模方面存在不足,模型精度难以满足真实路面环境下的裂缝检测任务。一些模型通过引入空间/通道注意力机制进行长距离依赖建模,但是会导致计算量和计算复杂程度增加,无法实现实时检测。鉴于此,本文提出一种基于Transformer编码—解码结构的深度神经网络道路裂缝检测模型CTNet(crack transformer network)。方法该模型主要由Transformer注意力模块、多尺度局部特征增强模块、上采样模块和跨越连接4部分构成。采用Transformer注意力机制能更有效提取全局和长距离依赖关系,克服传统卷积神经网络表征输入信息的短距离相关缺陷。同时,为适应裂缝尺寸变化多样性,将Transformer与多尺度局部特征增强模块相结合,从而有效整合不同尺度局部信息,克服Transformer局部特征建模不足。结果通过与DeepCrack模型在不同裂缝检测数据集中的比较表明,本文提出的多尺度局部特征增强Transformer网络能快速、准确地分割路面裂缝,且效率更优。定量研究结果表明,CTNet在更有挑战性的CrackLS315数据集中的精度、召回率和F1值达到91.38%、80.38%和85.53%,明显优于对比方法。在CrackWH100数据集中,精度、召回率和F1值进一步提升,分别达到92.70%、90.52%和91.60%。此外,CTNet的训练速率提升至DeepCrack模型的6.78倍。结论CTNet可以实现强噪声背景下的道路裂缝检测,检测效果优于目前最优方法,且参数量小,易于训练和部署。

关键词：道路工程道路裂缝检测深度学习语义分割自注意力 Transformer

高分辨率遥感影像建筑物提取的注意力胶囊网络算法

在线全文

学校读者我要写书评

暂无评论

遥感学报 2022年第8期26卷 1636-1649页

作者：许正森管海燕彭代锋于永涛雷相达赵好好南京信息工程大学遥感与测绘工程学院南京210044 淮阴工学院计算机与软件学院淮安223003

高分辨率遥感影像建筑物自动提取在防灾减灾、灾害估损、城市规划和地形图制作等方面具有重要意义。但是,目前常用的传统卷积神经网络模型存在异变性强而同变性弱缺陷。针对该问题,本文提出一种基于通道和空间双注意力胶囊编码—解码网... 详细信息

高分辨率遥感影像建筑物自动提取在防灾减灾、灾害估损、城市规划和地形图制作等方面具有重要意义。但是,目前常用的传统卷积神经网络模型存在异变性强而同变性弱缺陷。针对该问题,本文提出一种基于通道和空间双注意力胶囊编码—解码网络DA-CapsNet(dual-attention capsule encoder-decoder network)的建筑物提取通用模型。该模型通过胶囊卷积和空间—通道双注意力模块增强高分辨率遥感影像中建筑物高阶特征表达能力,实现建筑物遮挡部分以及对非建筑不透水层的准确提取与区分。模型首先利用胶囊编码—解码结构提取并融合多尺度建筑物胶囊特征,获得高质量建筑物特征表达。之后,设计通道和空间注意力特征模块进一步增强建筑物上下文语义信息,提高模型性能。本文选取3种高分辨率建筑物数据集进行试验,最终的平均精度、召回率和F1-score分别为92.15%、92.07%和92.18%。结果表明,本文提出的DA-CapsNet能有效克服高分辨率遥感影像中的空间异质性、同物异谱、异物同谱以及阴影遮挡等影响,实现复杂环境下的高精度建筑物自动提取。

关键词：建筑物提取深度学习通道注意力空间注意力编码器—解码器胶囊网络

基于局部-全局语义特征增强的遥感影像变化检测网络模型

在线全文

学校读者我要写书评

暂无评论

地球信息科学学报 2023年第3期25卷 625-637页

作者：高建文管海燕彭代锋许正森康健季雅婷翟若雪南京信息工程大学遥感与测绘工程学院南京210044 南京信息工程大学电子与信息工程学院南京210044

尽管卷积神经网络(Convolutional Neural Network,CNN)已广泛应用于遥感影像变化检测任务,但CNN感受野有限,难以有效提取全局语义信息。针对上述问题,本文提出一种用于变化检测任务的端到端局部-全局特征增强的编-解码网络模型(Local-Gl... 详细信息

尽管卷积神经网络(Convolutional Neural Network,CNN)已广泛应用于遥感影像变化检测任务,但CNN感受野有限,难以有效提取全局语义信息。针对上述问题,本文提出一种用于变化检测任务的端到端局部-全局特征增强的编-解码网络模型(Local-Global Feature Enhancement Network,LGE-Net)。在编码部分,LGE-Net利用CNN_ResNet34骨干网络分别获得双时相遥感影像局部语义特征,级联后输入Locally Enhanced Transformer(LE-Transformer)结构捕获远距离语义依赖,提取深层全局语义特征。在解码部分,嵌入语义增强模块(Context Enhancement Module,CEM)连接解码特征与多尺度局部特征,实现变化对象的准确定位与分割。此外,针对LE-Transformer各分块内部以及相邻分块序列间缺乏局部信息交互问题,设计了局部特征增强前馈网络(Locally Enhanced Feed Forward Network,LEFFN)。在LEVIR-CD和CDD变化检测数据集上的综合对比试验表明,本文提出LGE-Net模型取得的F1-score分别达到91.06%和94.78%,显著优于其他对比模型,可更加精准识别变化区域,进一步减少误检以及漏检率,且具有良好的泛化能力。

关键词：深度学习变化检测语义分割注意力机制 Transformer 局部特征增强

在线全文

学校读者我要写书评

暂无评论

志愿服务参与能激发大学生创业吗

浙江学刊 2025年第1期 159-167页

作者：何伟臧小森中国社会科学院经济研究所中国社会科学院大学经济学院

培育和激发大学生的创业意愿，对于缓解就业压力、推动创新发展具有重要意义。本文基于2018年中国大学生追踪调查(PSCUS)的在校生数据及2019—2023年毕业生追踪数据，系统考察了志愿服务参与对大学生创业意愿和创业实践的影响及其作用... 详细信息

培育和激发大学生的创业意愿，对于缓解就业压力、推动创新发展具有重要意义。本文基于2018年中国大学生追踪调查(PSCUS)的在校生数据及2019—2023年毕业生追踪数据，系统考察了志愿服务参与对大学生创业意愿和创业实践的影响及其作用机制。实证研究发现：(1)志愿服务参与显著提高了大学生的创业意愿，这一结论在经过多种稳健性检验后依然成立；(2)志愿服务参与通过提升社会资本、心理资本和经济资本，实现对创业意愿的促进；(3)志愿服务参与对创业的影响存在显著的异质性，对女性、高年级以及人力资本状况较差和家庭经济困难的大学生群体，志愿服务的促进作用更为明显；(4)志愿服务参与具有显著的长期培育效应，不仅能提升创业意愿，还能影响毕业后的实际创业行为。上述发现为构建“志愿服务—创业教育”协同育人新模式、推动高校创新创业教育改革、缓解我国当前的大学生就业压力、促进国家创新创业高质量发展等，提供了重要启示。

关键词：志愿服务创业意愿创业资本大学生就业

结合Udwadia-Kalaba控制理论的下肢外骨骼步态轨迹跟踪控制

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

西安交通大学学报 2025年第1期59卷 148-158页

作者：肖志毅沙连森邹学坤黄锟李永斌刘斌中国科学技术大学生物医学工程学院(苏州) 江苏苏州215000 中国科学院苏州生物医学工程技术研究所江苏苏州215000

针对现有轨迹跟踪控制方法较难兼顾控制精度与稳定性的问题,提出一种基于Udwadia-Kalaba(U-K)控制理论的鲁棒控制方法。基于拉格朗日法建立机器人动力学模型,将动力学参数分为确定的名义部分与不确定部分;结合U-K理论与系统名义部分参... 详细信息

针对现有轨迹跟踪控制方法较难兼顾控制精度与稳定性的问题,提出一种基于Udwadia-Kalaba(U-K)控制理论的鲁棒控制方法。基于拉格朗日法建立机器人动力学模型,将动力学参数分为确定的名义部分与不确定部分;结合U-K理论与系统名义部分参数确定外骨骼机器人系统理想运动轨迹约束下的名义部分控制力矩;为消除机器人系统不确定部分的影响,引入鲁棒控制器,通过划分不确定性边界确定其应输出的额外控制力矩。仿真结果表明:相较于传统PID算法,基于U-K控制理论的鲁棒控制的外骨骼机器人髋关节、膝关节角度的轨迹跟踪控制精度分别提高了76.4%和96.8%。基于设计的下肢外骨骼机器人样机进行轨迹跟踪对比实验,实验结果表明:基于该方法的下肢外骨骼髋关节、膝关节角度的轨迹跟踪精度为0.467 0°和0.114 1°,相比作为对照的PID算法,分别提高了82.6%和86.8%,同时系统整体控制周期缩短了56.6%,该控制方法具有更高的同步性、控制精度与稳定性。

关键词：下肢外骨骼机器人 Udwadia-Kalaba控制理论鲁棒控制轨迹跟踪控制

同方期刊数据库

王重民撰《续修四库全书总目提要》与《中国善本书提要》比较研究

在线全文

学校读者我要写书评

暂无评论

古籍保护研究 2025年第1期 58-67页

作者：王宝森天津师范大学历史文化学院天津师范大学古籍保护研究院

王重民所参与撰写的《续修四库全书总目提要》以及撰写《中国善本书提要》是其不同时期撰写的不同写作模式的古籍提要。从撰写背景、时间、文献存藏来源、体例、著录特点及影响进行比较,可知其所撰的两种古籍提要既有一定的延续性,又有... 详细信息

王重民所参与撰写的《续修四库全书总目提要》以及撰写《中国善本书提要》是其不同时期撰写的不同写作模式的古籍提要。从撰写背景、时间、文献存藏来源、体例、著录特点及影响进行比较,可知其所撰的两种古籍提要既有一定的延续性,又有各自的风格特点。总体来说,两种类型的提要是在吸收清代以来古籍提要体例特点基础上,根据撰写时的实际情况做出的变革创新。

关键词：王重民《续修四库全书总目提要》《中国善本书提要》提要

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

遏阻“看病钱”成“唐僧肉”亟需新招

夕阳红 2025年第2期 42-43页

作者：董宝森王鹤不详

2024年以来,各级医保部门查处一大批欺诈骗保案件。这也引起社会对欺诈骗保事件频发、严重威胁医保基金安全的高度关注。面对骗保手段更加隐蔽、“专业”给医保基金监管带来种种挑战的现实,多措并举赋能医保基金监管,守护好百姓的“看... 详细信息

2024年以来,各级医保部门查处一大批欺诈骗保案件。这也引起社会对欺诈骗保事件频发、严重威胁医保基金安全的高度关注。面对骗保手段更加隐蔽、“专业”给医保基金监管带来种种挑战的现实,多措并举赋能医保基金监管,守护好百姓的“看病钱”“救命钱”刻不容缓。

关键词：医保基金骗保唐僧肉救命钱医保部门监管多措并举欺诈

基于目标检测和多视图几何的动态SLAM算法

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

现代电子技术 2025年第1期48卷 135-143页

作者：喻擎苍董根阳方才威孙树森浙江理工大学计算机科学与技术学院(人工智能学院) 浙江杭州310018

目前大多数的SLAM系统主要针对静态场景,然而,在实际环境中不可避免地存在许多动态对象,这将大大降低算法的鲁棒性和相机的定位精度。针对动态对象造成的轨迹偏差问题,文中提出一种结合目标检测网络和多视图几何结构的动态SLAM算法。首... 详细信息

目前大多数的SLAM系统主要针对静态场景,然而,在实际环境中不可避免地存在许多动态对象,这将大大降低算法的鲁棒性和相机的定位精度。针对动态对象造成的轨迹偏差问题,文中提出一种结合目标检测网络和多视图几何结构的动态SLAM算法。首先,基于YOLOv5算法框架,将骨干网络CSPDarkNet-53替换为轻量型L-FPN(Lite-FPN)结构,并使用VOC2007数据集进行预训练。与YOLOv5s原始模型相比,新网络的计算量减少了45.73%,检测速率提高了31.90%;然后,将检测物体划分为高动态对象、中动态对象以及低动态对象,利用多视图几何方法计算阈值,并根据阈值对中高动态对象进行二次检测,以决定是否剔除预测框中的特征点;最后,在TUM数据集上的实验结果显示,该方法在定位精度上平均提升了82.08%,证明了其在准确性方面的显著改进。

关键词：同步定位与地图构建动态环境多视图几何结构目标检测特征点轻量型