典型文献
用于复杂场景裂缝分割的多层次特征提取算法
文献摘要：
针对目前裂缝识别算法大多基于单一自有数据集进行识别,在更换数据集之后效果较差、 难以适应复杂场景检测的问题,提出了一种适用于复杂场景的裂缝分割算法,该算法基于卷积神经网络(Convolutional Neural Network,CNN),在HED网络的基础上增加了卷积层,并在各卷积层中增加了批标准化层,应用引导滤波对分割结果细化,取得了更完善精准的分割.验证结果表明,与Ground Truth平均交并比(mean Intersection over Union,mIoU)达到86.9％,且处理速度与其他算法相比具有一定优势.综合对比验证了算法的优越性及可行性,为解决裂缝识别提供了新的方法.
文献关键词：
裂缝识别;卷积神经网络;裂缝分割;语义分割;引导滤波
中图分类号：
作者姓名：
刘清华;吕伟才;仲臣;韩雨辰;徐锦修
作者机构：
安徽理工大学 空间信息与测绘工程学院,安徽 淮南 232001;安徽理工大学 矿区环境与灾害协同监测煤炭行业工程研究中心,安徽 淮南 232001;安徽理工大学 矿山采动灾害空天地协同监测与预警安徽普通高校重点实验室,安徽 淮南 232001
文献出处：
引用格式：
[1]刘清华;吕伟才;仲臣;韩雨辰;徐锦修-.用于复杂场景裂缝分割的多层次特征提取算法)[J].无线电工程,2022(10):1747-1754
A类：
B类：
多层次特征提取,特征提取算法,裂缝识别,识别算法,自有,后效,复杂场景检测,裂缝分割算法,Convolutional,Neural,Network,HED,卷积层,各卷,批标准化层,引导滤波,Ground,Truth,平均交并比,mean,Intersection,over,Union,mIoU,处理速度,综合对比,对比验证,决裂,语义分割
AB值：
0.440811
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。
