检索结果-南通市图书馆

作者：金凯新重庆交通大学

学位级别：硕士

隧道工程逐渐过渡到“建养并重”时期,在役隧道病害日益凸显,以衬砌裂缝最为常见。隧道衬砌是一种大型混凝土结构,具有明显的随机性、非线性、非均质性特征,其损伤演化至破坏过程本质上是一种多尺度现象。但过往研究少有从多尺度角度聚... 详细信息

隧道工程逐渐过渡到“建养并重”时期,在役隧道病害日益凸显,以衬砌裂缝最为常见。隧道衬砌是一种大型混凝土结构,具有明显的随机性、非线性、非均质性特征,其损伤演化至破坏过程本质上是一种多尺度现象。但过往研究少有从多尺度角度聚焦到衬砌结构上,难以准确表征隧道衬砌的损伤演化机制。因此,以多尺度理论,加强对裂损衬砌演化机制的认识,补充安全评估方法势在必行。本文基于随机生成骨料算法、内聚力损伤模型和并行多尺度方法,将数字化、数值化手段相结合,开展试验和数值仿真工作,深入研究了裂损衬砌结构性能演化规律,构建了一种四级制安全评估方法。主要研究成果如下:(1)应用DIC数字图像技术,设计开展了曲梁衬砌四点弯曲足尺加载试验。根据试验结果,将裂缝演化过程划分为裂缝萌生、开裂扩展和构件断裂三个阶段。对曲梁衬砌裂损演化规律进行了提炼和总结,在试验过程中,现有缺陷区域裂缝再度演化所需要的荷载、能量条件普遍低于无损工况裂缝演化阈值。(2)基于随机骨料算法,构建了混凝土骨料、砂浆和界面过渡区三相细观模型;基于内聚力理论和并行多尺度方法建立了多尺度模型。通过混凝土立方体抗拉、抗压和预制切口梁三点弯曲试验数值模型验证了细观尺度模型、并行多尺度模型的有效性和可靠性。(3)建立了偏压荷载工况隧道衬砌结构层次的并行多尺度模型,进一步探究了衬砌裂缝演化规律。偏压范围越大,在主裂缝周边存在更多未贯通的裂纹,整体类似“树”状扩展。统计裂缝损伤范围,综合计算精度和效率,将荷载作用区域的4到5倍范围设定为衬砌潜在损伤区。(4)建立了不同既有裂缝深度的偏压荷载并行多尺度模型,对裂缝普遍存在的运营隧道实际情况进行仿真。随着衬砌裂损程度的增加,再次起裂后,主拉裂缝的“树”状特征越不明显,较深的既有裂缝前置了衬砌结构的破坏过程。随着裂损程度加大,衬砌承载能力折减程度增大,折减幅度也在逐渐加剧。偏压荷载范围和初始裂损程度对隧道衬砌的极限承载性能造成叠加退化的影响。(5)梳理国内外规范、手册和文献资料,总结了隧道裂损衬砌安全评价体系与指标。根据并行多尺度隧道结构模型仿真数据,提出了一种基于裂缝深厚比的衬砌状态定量评价方法。综合衬砌病害、裂缝成因、裂缝特征和对交通安全的影响程度等因素,构建了一种四级制的隧道裂损衬砌安全评估方法。

关键词：运营隧道裂损衬砌损伤演化并行多尺度安全评估

来源：

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

融入多尺度双线性注意力的轻量化眼底疾病多分类网络

引用

计算机应用研究 2022年第7期39卷 2183-2189,2195页

作者：李朝林张荣芬刘宇红贵州大学大数据与信息工程学院贵阳550025

现在大多数眼疾分类方法都是对单一类别疾病不同级别进行分类,并且网络模型存在参数量大、计算复杂等问题。为解决这些问题,提出一种轻量化的眼底疾病多分类网络MELCNet,该网络以PPLCNet为主干网络,由输入层特征提取、并行多尺度结构、... 详细信息

现在大多数眼疾分类方法都是对单一类别疾病不同级别进行分类,并且网络模型存在参数量大、计算复杂等问题。为解决这些问题,提出一种轻量化的眼底疾病多分类网络MELCNet,该网络以PPLCNet为主干网络,由输入层特征提取、并行多尺度结构、双线性SE注意力模块、深度可分离卷积、更小参数计算的h-swish激活函数构成,能关注到不同尺度不同疾病的关键患病信息。实验结果表明,提出的多尺度注意力轻量网络模型具有较少的参数量和计算复杂度,并在所选的四种眼底疾病和正常眼底图像的多分类上取得了优异的分类结果,在内部组合数据集测试集上的分类准确率相对于ResNet-50提升1.11%,相对于Xie等人提出的类似眼疾多分类网络在公开数据集cataract测试集上提升2.5%,相较于其他轻量级分类网络在眼底疾病多分类领域具有较高的准确率以及较强的鲁棒性。

关键词：眼底疾病分类并行多尺度双线性注意力轻量化

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于深度学习的遥感图像建筑物分割方法

基于深度学习的遥感图像建筑物分割方法

引用

作者：袁意映宁夏大学

学位级别：硕士

随着计算机技术及人工智能的发展与普及,遥感图像建筑物分割作为图像分割中一个重要方向,因建筑物的提取在城市建设、土地规划,地图导航更新等方面潜在的应用价值受到了广泛的关注。随着遥感技术的发展,遥感图像在提供高质量信息的同时... 详细信息

随着计算机技术及人工智能的发展与普及,遥感图像建筑物分割作为图像分割中一个重要方向,因建筑物的提取在城市建设、土地规划,地图导航更新等方面潜在的应用价值受到了广泛的关注。随着遥感技术的发展,遥感图像在提供高质量信息的同时,其采集过程中噪点造成信息量的损失、光谱信息相对欠缺的特点对遥感图像建筑物的精准分割提出了新的挑战。虽然现有的遥感图像分割方法在特定地域条件下表现良好,但是在真实条件下,因建筑物形态随着地域、文化、时间等因素的影响导致其类内差异大、类间差异小,进而限制了现有方法的泛化性能。本文通过多尺度结构和注意力机制模块的结合,来实现遥感图像建筑物的精准分割。本文的主要研究内容如下:（1）针对遥感建筑物图像数据类型多样、背景复杂的问题,为了聚合不同区域的上下文信息的能力,本文提出了并行多尺度网络RPU-Net,该网络使用并行多分支结构提取原遥感建筑物图像的低级局部特征和高级语义特征作为U-Net分割模型的输入,融合每个尺度的输出作为最终的分割结果。实验证明,RPU-Net相比较串行的单一 U-Net网络,能够有效的将低级和高级信息互通融合,有助于编码上下文信息,提升遥感建筑物图像的信息利用率,其分割结果在Dice、Precision、Recall三项指标分别达到了 0.8863,0.9035和0.9003,可以正确预测并分割出完整的建筑物区域,相较于U-Net模型分别提高了 2.7%,3.2%,3.4%,相比较主流的分割网络预测的结果最优,验证了本文方法的有效性。（2）针对多尺度方法重复提取类似低级特征,无法有效的捕获长距离特征依赖,且对于尺寸过小的目标建筑物及边界存在分割效果差的问题。本文在并行多尺度结构RPU-Net的基础上,提出了双注意力机制模块和U-Net级联的网络结构PAU-Net,通过双注意力机制模块捕获更丰富的上下文特征依赖关系,充分协调各像素之间的通道关系,在不同模块之间引入额外损失函数来引导模型忽略不相关的信息,并通过强调相关的特征关联来关注图像中更重要的区域,有效整合全局和局部特征以增强特征表示。实验结果表明,所提出的分割网络PAU-Net与RPU-Net 相比,在 Dice、Precision、Reca ll三项指标上分别提高了 4.8%、5.2%、2.6%,相较于 2021年Chen提出的分割模型,在三项指标上分别提高了 2%、1.4%、2.5%,具有明显的优势,实现了遥感图像建筑物的精准分割。

关键词：遥感图像建筑物分割并行多尺度注意力机制上下文特征依赖精准分割

来源：

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

基于深度学习的夜间车道线检测

基于深度学习的夜间车道线检测

引用

作者：张宏斌南京理工大学

学位级别：硕士

车道线检测是自动驾驶领域中一个重要的研究方向,有着悠久的研究历史和广泛的应用前景。现有的基于深度学习的车道线检测方法依赖卷积神经网络强大的特征学习能力,能够在白天场景中提取到较好的车道线与道路间的鉴别特征,但在夜间场景中... 详细信息

车道线检测是自动驾驶领域中一个重要的研究方向,有着悠久的研究历史和广泛的应用前景。现有的基于深度学习的车道线检测方法依赖卷积神经网络强大的特征学习能力,能够在白天场景中提取到较好的车道线与道路间的鉴别特征,但在夜间场景中,由于图像对比度低,卷积神经网络难以识别车道线,从而影响车道线检测性能。因此,如何改善车道线特征提取结构和提高夜间图像的对比度是帮助卷积神经网络提取判别特征,从而提高夜间车道线检测性能的两种方法。此外,有的公开的车道线数据集具有多种场景,但分布不均,例如,夜间场景数据的数量远少于白天场景数据的数量。如何利用白天场景数据来生成夜间场景数据以增加训练期间的夜间场景数据,从而提高夜间车道线检测性能也值得研究。本文针对基于深度学习的夜间车道线检测方法的以上现状进行了探索,主要工作如下:(1)设计了一种并行的多尺度卷积模块,该模块可以应用于现有的骨干网络,以增强夜间环境中车道线特征的学习。具体的,在深度特征图上使用多尺度卷积以获得丰富的感受野,使得网络能够学得鲁棒的鉴别性特征。并且通过循环多步长的并行模式确保了模块的推理效率,能够以更快的迭代完成单方向的信息传输。此外,整个网络体系结构使用特征融合对深层特征进行局部信息的补偿,进一步优化模型提取夜间车道线特征的能力。与其他方法相比,该方法在主要的车道线数据集上均获得了更好的性能。(2)设计了一种基于无监督弱光图像增强的夜间车道检测方法。具体的,引入了无监督曲线估计方法来增强夜间图像,从而提高夜间图像的对比度。因此,夜间图像中的车道线得到增强,这使得CNN更加容易提取特征以进行有效的车道线检测。此外,设计了夜间车道线注意力机制,以进一步增强网络学习车道线辨别特征的能力,从而提高车道线检测的性能。在CULane和BDD100k数据集上进行了实验,实验结果证明设计的结构可以在这两个数据集上达到不错的水平。(3)提出了一种双流网络,该网络由白天分支车道线预测模块和夜间分支车道线预测模块组成。双流网络将一对白天场景和合成夜间场景作为输入,并预测白天和夜间场景的车道作为输出。受风格转换的启发,利用风格转换网络将白天的场景转换为夜间的场景,从而获得白天和夜晚的图像对。同时为了提高车道线检测的性能,引入了嵌入式损失以帮助夜间分支从白天分支中学习车道线特征。此外,为了加强车道线结构的特征提取,还提出了一种夜间条纹感知池化模块,以聚合本地上下文信息,并进一步提高夜间环境中车道线检测的性能。在CULane数据集的夜间场景上进行的大量实验证明了所提方法的有效性。

关键词：夜间车道线检测并行多尺度弱光图像增强注意力机制双流内嵌损失函数条纹感知池化

来源：

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

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：