一种基于循环的排污方法,配有注意力机制,用于改善路面的隐藏危险特征
Lei Liu1, Ligang Cao2, Congde Lu1
1Key Laboratory of Earth Exploration and Information Techniques of Ministry of Education, Chengdu University of Technology, Chengdu, 610059, Sichuan, People's Republic of China.
本研究介绍了一种基于CycleGAN的方法,用于消除地面透雷达 (GPR) 图像的阴影,大大提高了道路损坏检测准确度的30%,并帮助自动GPR图像分析.
科学领域:
- 地质物理学 地质物理学
- 土木工程 土木工程是指土木工程.
- 人工智能的人工智能
背景情况:
- 地面透雷达 (GPR) 对于道路结构损坏的检测至关重要.
- 解释GPR图像是具有挑战性的,因为不同的路面和环境噪音,阻碍了基于深度学习的自动检测.
- 现有的方法在数据要求方面扎,效率下降.
研究的目的:
- 开发一种有效的地面透雷达 (GPR) 图像破坏方法.
- 通过深度学习提高自动道路损坏检测的准确性.
- 为了解决当前GPR图像分析技术的局限性.
主要方法:
- 基于CycleGAN架构设计了一种新的GPR图像消除技术.
- 进行了优化的发电机选择和注意力机制的整合.
- 使用YOLO (你只看一次) 对象检测模型和专家解释来评估无色图像.
主要成果:
- 提出的基于CycleGAN的denoising方法显著改善了GPR图像质量.
- 在应用消噪技术后,道路损坏检测的准确性增加了30%.
- 该方法表现出良好的无声效应,培训数据要求较低,数据源适用性广泛.
结论:
- 基于CycleGAN的消噪方法为自动GPR图像分析提供了低成本,有效的解决方案.
- 这种方法促进了GPR图像的自动检测,克服了以前的解释困难.
- 该研究为改善道路结构健康监测和维护提供了有价值的工具.
更多相关视频
08:25Combining Eye-tracking Data with an Analysis of Video Content from Free-viewing a Video of a Walk in an Urban Park Environment
Published on: May 7, 2019
06:25Paw-Print Analysis of Contrast-Enhanced Recordings PrAnCER: A Low-Cost, Open-Access Automated Gait Analysis System for Assessing Motor Deficits
Published on: August 12, 2019
相关概念视频
Design Example: Joints in Concrete Pavements
Contraction joints are typically formed by sawing a groove into the concrete shortly after it has hardened. This creates a weakened vertical plane, deliberately encouraging cracking at...
Difference from Background: Limit of Detection
The LOD indicates the presence or absence...
¹³C NMR: Distortionless Enhancement by Polarization Transfer (DEPT)
