典型文献
基于通道注意力与密集连接机制的道路裂缝识别方法研究
文献摘要：
随着人工智能的急速发展,以深度学习为代表的各类人工智能算法开始应用在道路裂缝检测领域中.本文介绍了一种基于通道注意力与密集连接机制的道路裂缝检测网络DenseNet-SE及其变体DenseNet-NSE,并将该方法与现存技术进行了测试和分析.实验结果表明,DenseNet-SE与DenseNet-NSE能够提高模型的泛化性能,并且DenseNet-SE的性能比DenseNet-NSE更好.
文献关键词：
深度学习;卷积神经网络;道路裂缝检测;道路裂缝分割
中图分类号：
作者姓名：
廖锡博;黄尚樱
作者机构：
广东工业大学,广东广州,510006
文献出处：
引用格式：
[1]廖锡博;黄尚樱-.基于通道注意力与密集连接机制的道路裂缝识别方法研究)[J].电子制作,2022(05):56-58,52
A类：
道路裂缝分割
B类：
通道注意力,密集连接机制,裂缝识别,急速,人工智能算法,道路裂缝检测,检测领域,测网,DenseNet,变体,NSE,泛化性能,性能比
AB值：
0.193078
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。
