-
公开(公告)号：CN118260651A
公开(公告)日：2024-06-28
申请号：CN202410299332.8
申请日：2024-03-15
Applicant: 重庆交通大学
IPC: G06F18/241 , G06F18/25 , G06N3/0464 , G06N3/082
Abstract: 本发明公开了一种基于重参数化卷积神经网络的结构损伤状态识别方法。具体来说，本发明提出了一种基于重参数化技术的神经网络，它可以将模型的训练和部署解耦，并在考虑模型推理速度的前提下保持较高的精度。具体来说，在训练中使用了一个具有多个1×1卷积操作的卷积神经网络，在模型的测试和推理过程中使用重参数化技术将卷积核的参数融合在一起，以此得到了一个结构更轻、部署精度更高的卷积神经网络。使用本发明可以加快监测系统的推理速度，以及降低卷积神经网络在结构损伤状态识别中的部署成本。
-
公开(公告)号：CN118155065B
公开(公告)日：2024-11-15
申请号：CN202410258588.4
申请日：2024-03-07
Applicant: 重庆交通大学
Abstract: 本发明公开了一种基于注意力机制的多模态桥梁裂缝特征提取方法和系统，所述方法包括：收集桥梁裂缝的多模态数据；设计各个模态的子网络，在子网络中引入自注意力机制，每个子网络负责处理一种特定类型的数据；在各个模态的子网络间引入多模态交叉注意力机制，以增强多模态之间的相关性；将各个模态子网络的输出进行多模态特征的融合，确保融合后的特征能够全面地捕捉每个模态的关键信息；从融合后的数据中提取裂缝的关键特征。本发明提出的基于注意力机制的多模态特征提取方法能够很好的提取桥梁裂缝特征。
-
公开(公告)号：CN118333962A
公开(公告)日：2024-07-12
申请号：CN202410429658.8
申请日：2024-04-10
Applicant: 重庆交通大学
IPC: G06T7/00 , G06V10/26 , G06V10/42 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0495
Abstract: 本发明属于图像处理技术领域，具体涉及一种基于改进DeepLabV3+的混凝土桥梁裂缝检测方法，包括：获取待检测的混凝土桥梁图像，将待检测的混凝土桥梁图像输入到训练后的改进DeepLabV3+神经网络中，得到混凝土裂缝图像的分割信息；根据混凝土裂缝图像的分割信息对混凝土桥梁裂缝进行检测；改进DeepLabV3+神经网络包括轻量化的主干网络、空洞空间金字塔池化模块、多层次特征融合网络以及解码模块；本发明在空洞卷积金字塔后引入vision transformer网络，并与卷积网络组成多层次特征融合网络，以提高性能。
-
公开(公告)号：CN118155065A
公开(公告)日：2024-06-07
申请号：CN202410258588.4
申请日：2024-03-07
Applicant: 重庆交通大学
Abstract: 本发明公开了一种基于注意力机制的多模态桥梁裂缝特征提取方法和系统，所述方法包括：收集桥梁裂缝的多模态数据；设计各个模态的子网络，在子网络中引入自注意力机制，每个子网络负责处理一种特定类型的数据；在各个模态的子网络间引入多模态交叉注意力机制，以增强多模态之间的相关性；将各个模态子网络的输出进行多模态特征的融合，确保融合后的特征能够全面地捕捉每个模态的关键信息；从融合后的数据中提取裂缝的关键特征。本发明提出的基于注意力机制的多模态特征提取方法能够很好的提取桥梁裂缝特征。
-
-
-
Search Results
4
records
(took 0.02 seconds)
