首站-论文投稿智能助手
典型文献
基于卷积神经网络的结构损伤识别研究进展
文献摘要:
为系统梳理基于卷积神经网络的工程结构损伤识别方法的发展脉络和研究现状,分别从结构损伤的识别目的和在不同类型结构中的应用两方面进行了归类、分析和评价.介绍了卷积神经网络的基本结构和评价指标,回顾了卷积神经网络的研究和应用历程.在损伤的识别目的方面,主要针对混凝土结构损伤的分类、定位和分割,详细介绍了基于不同类型卷积神经网络的结构损伤识别方法,即基于分类的方法、基于回归的方法和像素级的图像分割算法;分析了各类方法所使用的卷积神经网络模型的结构特点、计算流程、训练方法和损伤识别性能.在不同类型结构的损伤识别方面,分析了卷积神经网络在砌体结构、钢结构桥梁和古建筑木结构裂缝识别中的应用.最后,基于对卷积神经网络优缺点的思考,提出了发展建议和展望.结果表明:训练样本中结构损伤的多样性对模型的损伤识别效果影响较大;现有基于卷积神经网络的损伤分割方法模型参数较多,计算量大;采用数据增广和迁移学习方法可有效防止模型过拟合,提高模型训练效率;针对微小损伤和不同类型结构损伤的识别,此类方法的性能有待提高.
文献关键词:
损伤识别;计算机视觉;机器学习;深度学习;卷积神经网络
作者姓名:
杨铄;许清风;王卓琳
作者机构:
上海市建筑科学研究院有限公司上海市工程结构安全重点实验室,上海 200032
引用格式:
[1]杨铄;许清风;王卓琳-.基于卷积神经网络的结构损伤识别研究进展)[J].建筑科学与工程学报,2022(04):38-57
A类:
B类:
结构损伤识别,工程结构,类型结构,基本结构,研究和应用,混凝土结构,像素级,图像分割算法,卷积神经网络模型,计算流程,训练方法,识别性,砌体结构,钢结构桥梁,古建筑木结构,结构裂缝,裂缝识别,训练样本,效果影响,分割方法,方法模型,计算量,数据增广,迁移学习方法,过拟合,模型训练,训练效率,微小损伤,计算机视觉
AB值:
0.267372
相似文献
机标中图分类号,由域田数据科技根据网络公开资料自动分析生成,仅供学习研究参考。