检索结果-南通市图书馆

road Damage Detection and Classification Using mask r-cnn with DenseNet Backbone

Computers, Materials & Continua 2020年第12期65卷 2201-2215页

作者： Qiqiang Chen Xinxin Gan Wei Huang Jingjing Feng H.Shim School of Computer and Communication Engineering Zhengzhou University of Light IndustryZhengzhou450000China SIPPr Engineering Group Co. Ltd.Zhengzhou450000China College of Electronic and Electrical Engineering Sungkyunkwan UniversitySuwon440746Korea

Automatic road damage detection using image processing is an important aspect of road *** is also a challenging problem due to the inhomogeneity of road damage and complicated background in the road *** recent years,deep convolutional neural network based methods have been used to address the challenges of road damage detection and *** this paper,we propose a new approach to address those *** approach uses densely connected convolution networks as the backbone of the mask r-cnn to effectively extract image feature,a feature pyramid network for combining multiple scales features,a region proposal network to generate the road damage region,and a fully convolutional neural network to classify the road damage region and refine the region bounding *** method can not only detect and classify the road damage,but also create a mask of the road *** results show that the proposed approach can achieve better results compared with other existing methods.

关键词： road damage detection road damage classification mask r-cnn framework densely connected network

来源：

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

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

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

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：