典型文献
基于特征共享双头Cascade R-CNN的混凝土细观损伤特征检测
文献摘要：
混凝土内部损伤破坏形态具有明显的离散性和随机性,内部损伤特征检测是混凝土细观研究的重要内容.针对已有混凝土结构内部损伤特征检测模型精度低的问题,提出一种特征共享双头Cascade R-CNN模型对混凝土CT图像的损伤特征进行检测.首先,为了有效识别损伤特征的空间信息,构建具有空间敏感性的fc-head(fully connected head)与空间相关性的conv-head(convolution head)相结合的Cascade R-CNN网络模型;其次,通过特征共享的方法将检测网络各层级分类信息进行融合,提升低IOU(intersection over union)阈值(0.5～0.7)ROI(regions of interest)检测任务的精度.实验结果表明,所提方法在检测混凝土CT图像的损伤特征中平均精度达到91.31％,比原始的Cascade R-CNN提高3.04％,低IOU阈值(0.5～0.7)ROI平均精度提高1.49％,该模型可以较好地从混凝土CT图像中检测出细观损伤部分,具有精度高、运算简单、易于工程实现等特点.
文献关键词：
深度学习;目标检测;混凝土CT图像;Cascade R-CNN;double-head;ROI
中图分类号：
作者姓名：
赵亮;高升伦;陈俊英;李佳佳
作者机构：
西安建筑科技大学信息与控制工程学院,西安710055
文献出处：
引用格式：
[1]赵亮;高升伦;陈俊英;李佳佳-.基于特征共享双头Cascade R-CNN的混凝土细观损伤特征检测)[J].控制与决策,2022(07):1745-1751
A类：
B类：
特征共享,双头,Cascade,细观损伤,损伤特征,特征检测,内部损伤,损伤破坏,破坏形态,离散性,随机性,细观研究,混凝土结构,检测模型,模型精度,空间信息,有空,fc,head,fully,connected,空间相关性,convolution,测网,分类信息,IOU,intersection,over,union,ROI,regions,interest,中平,目标检测,double
AB值：
0.373877
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。
