-
-
公开(公告)号：CN115147439A
公开(公告)日：2022-10-04
申请号：CN202210814394.9
申请日：2022-07-11
申请人： 南京工业大学
摘要： 本发明提供了基于深度学习与注意力机制的混凝土裂缝分割方法及系统，包括如下步骤：将原始图像输入到经典的卷积神经网络ResNet101中，经过卷积层、池化层、批标准化层与激活函数之后，得到特征图；利用自注意力机制VH‑CAM突出特征图中的裂缝特征；低级特征图经过通道注意力机制ECAUM的引导后与进行过上采样的高级特征图进行特征融合，得到与原始图像相同大小的特征图；对与原始图像相同大小的特征图进行softmax预测，得到图像中每个像素的类别，实现裂缝的像素级分割。本发明可以实现高精度的裂缝分割，因此适用于混凝土裂缝的检测。
-
公开(公告)号：CN115147439B
公开(公告)日：2023-12-29
申请号：CN202210814394.9
申请日：2022-07-11
申请人： 南京工业大学
摘要： 本发明提供了基于深度学习与注意力机制的混凝土裂缝分割方法及系统，包括如下步骤：将原始图像输入到经典的卷积神经网络ResNet101中，经过卷积层、池化层、批标准化层与激活函数之后，得到特征图；利用自注意力机制VH‑CAM突出特征图中的裂缝特征；低级特征图经过通道注意力机制ECAUM的引导后与进行过上采样的高级特征图进行特征融合，得到与原始图像相同大小的特征图；对与原始图像相同大小的特征图进行softmax预测，得到图像中每个像素的类别，实现裂缝的像素级分割。本发明可以实现高精度的裂缝分割，因此适用于混凝土裂缝的检测。
-
公开(公告)号：CN117291902B
公开(公告)日：2024-05-10
申请号：CN202311340583.8
申请日：2023-10-17
申请人： 南京工业大学
IPC分类号： G06T7/00 , G06V10/80 , G06V10/82 , G06V10/42 , G06V10/44 , G06V10/52 , G06N3/0455 , G06N3/0464 , G06N3/096
摘要： 本发明公开了一种基于深度学习用于像素级混凝土裂缝的检测方法，包括：建立混凝土裂缝数据集；基于混凝土裂缝数据集，构建像素级裂缝检测网络并对像素级裂缝检测网络进行训练；其中，像素级裂缝检测网络采用CNN网络结合transformer网络构建；基于像素级裂缝检测网络对混凝土建筑结构表面的裂缝图像进行检测，获得裂缝分割图并对所述像素级裂缝检测网络进行性能评估。本发明能够准确的检测出像素级宽度和毫米级宽度的裂缝，有着更强的鲁棒性和泛化性，故适用于实际工程中的结构健康检测。
-
公开(公告)号：CN117291902A
公开(公告)日：2023-12-26
申请号：CN202311340583.8
申请日：2023-10-17
申请人： 南京工业大学
IPC分类号： G06T7/00 , G06V10/80 , G06V10/82 , G06V10/42 , G06V10/44 , G06V10/52 , G06N3/0455 , G06N3/0464 , G06N3/096
摘要： 本发明公开了一种基于深度学习用于像素级混凝土裂缝的检测方法，包括：建立混凝土裂缝数据集；基于混凝土裂缝数据集，构建像素级裂缝检测网络并对像素级裂缝检测网络进行训练；其中，像素级裂缝检测网络采用CNN网络结合transformer网络构建；基于像素级裂缝检测网络对混凝土建筑结构表面的裂缝图像进行检测，获得裂缝分割图并对所述像素级裂缝检测网络进行性能评估。本发明能够准确的检测出像素级宽度和毫米级宽度的裂缝，有着更强的鲁棒性和泛化性，故适用于实际工程中的结构健康检测。
-
公开(公告)号：CN116757086A
公开(公告)日：2023-09-15
申请号：CN202310774880.7
申请日：2023-06-28
申请人： 南京工业大学
IPC分类号： G06F30/27 , G06N3/0455 , G06N3/0442 , G06N3/08 , G06N3/0499 , G06F119/14
摘要： 本发明公开了一种冲击荷载反演方法，包括：获取结构加速度响应数据和冲击荷载时程数据；将所述结构加速度响应数据和所述冲击荷载时程数据进行标准化处理，获取数据集；基于改进的Transformer模型，对冲击荷载时程进行预测，其中，通过所述数据集对初始的改进Transformer模型进行训练、验证和测试，获取改进的Transformer模型；对预测的冲击荷载时程进行反演处理，获取预测的冲击荷载。本发明能够对复杂结构的非线性关系进行建模，能够有效解决传统冲击荷载方法存在的局限。
-
公开(公告)号：CN116776698A
公开(公告)日：2023-09-19
申请号：CN202310781400.X
申请日：2023-06-29
申请人： 南京工业大学
IPC分类号： G06F30/23 , G06F30/27 , G06N3/0442 , G06N3/0455 , G06N3/08
摘要： 本发明公开了一种基于联合注意力机制编解码模型的冲击荷载反演方法，包括以下步骤：获取初始数据，所述初始数据包括加速度响应数据和冲击荷载数据；对所述初始数据进行归一化处理,获取归一化后的数据；将所述归一化后的数据划分为训练集、验证集和测试集；设置训练参数，基于所述训练参数，将所述训练集和所述验证集输入预设的联合注意力机制编解码模型，获取最优超参数模型；将所述测试集输入所述最优超参数模型，获取预测的冲击荷载；将所述预测的冲击荷载进行处理，并利用误差指标进行评估，完成基于联合注意力机制编解码模型的冲击荷载反演。
-
公开(公告)号：CN116757085A
公开(公告)日：2023-09-15
申请号：CN202310774763.0
申请日：2023-06-28
申请人： 南京工业大学
IPC分类号： G06F30/27 , G06N3/0464 , G06N3/045 , G06N3/048 , G06N3/0442 , G06N3/08 , G06F119/14
摘要： 本发明公开基于残差连接卷积循环网络的冲击荷载作用位置反演方法，包括：获取结构加速度响应数据和冲击荷载作用位置坐标；基于结构加速度响应数据和冲击荷载作用位置坐标，构建数据集；构建初始残差连接卷积循环神经网络模型；基于数据集对初始残差连接卷积循环神经网络模型，进行训练和验证，获取残差连接卷积循环神经网络模型；基于残差连接卷积循环神经网络模型，预测冲击荷载作用位置坐标，完成冲击荷载作用位置反演。本发明从数据驱动的角度出发，建立结构加速度响应与冲击荷载作用位置坐标之间的非线性映射关系，不需要获取系统的输入和输出的任何物理函数，可以对复杂结构的非线性关系进行建模，能够有效解决传统方法存在的局限。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.023 秒)
