典型文献
基于改进标签图的图卷积网络管道缺陷检测模型
文献摘要：
一张排水管道图像中可能同时存在变形、渗漏等多种缺陷。针对现有卷积神经网络（CNN）忽略标签关系，难以准确检测多标签管道图像的问题，引入图卷积网络（GCN）建模不同缺陷标签的关系，提出了一种基于改进标签图的GCN管道缺陷检测模型（ILG-GCN）。首先，ILG-GCN模型在原有CNN模型的基础上引入GCN模块，GCN利用标签图迫使具有共生关系的标签分类器相互接近，获得保持语义拓扑结构的分类器，从而提高预测共生标签的概率。其次，改进GCN模块更新节点信息时使用的标签图，改进后的标签图根据每种缺陷主要相关标签的共生强度计算自适应的标签共生概率，并根据主要相关标签的共生强度为其分配不同的权值。实验结果表明，所提模型的总体平均准确率为95.6%，能够准确检出同时存在的多种管道缺陷。
文献关键词：
图像处理;管道缺陷检测;多标签学习;标签关系;图卷积网络
中图分类号：
作者姓名：
曾保誌;罗建桥;熊鹰;李柏林
作者机构：
西南交通大学机械工程学院，四川 成都 610031
文献出处：
引用格式：
[1]曾保誌;罗建桥;熊鹰;李柏林-.基于改进标签图的图卷积网络管道缺陷检测模型)[J].激光与光电子学进展,2022(18):1810004
A类：
ILG
B类：
图卷积网络,管道缺陷检测,检测模型,排水管道,渗漏,标签关系,GCN,迫使,共生关系,标签分类,分类器,拓扑结构,节点信息,强度计算,权值,平均准确率,多标签学习
AB值：
0.205354
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。
