为了及时有效地发现桥梁病害,克服目前人工目测方法固有的费时、费力且易受主观因素影响的缺陷,提出一种基于卷积神经网络的轻量化桥梁病害智能识别方法。在保持原MobileNetV2网络模型宽度不变的情况下,通过减少网络中瓶颈模块的数量,...为了及时有效地发现桥梁病害,克服目前人工目测方法固有的费时、费力且易受主观因素影响的缺陷,提出一种基于卷积神经网络的轻量化桥梁病害智能识别方法。在保持原MobileNetV2网络模型宽度不变的情况下,通过减少网络中瓶颈模块的数量,并在其中嵌入Squeeze and Excitation通道注意力机制,使新网络能够更有效地学习和利用特征通道之间的关系,以提升网络识别性能。结果表明:经过缩减瓶颈模块和嵌入通道注意力机制两次改进的网络模型,实现了98.78%的识别准确率,较改进前提高了2.85%,计算量也较改进前减少了23.02 M;将改进后的网络模型引入Matlab的GUI界面,将代码可视化为可以独立使用的桥梁病害识别系统,为风化、钢筋锈蚀、开裂和孔洞四种桥梁病害的高效识别提供便利。展开更多
为了提高活体检测的准确度,提出一种基于改进MobileNetV2算法与频谱图的静默活体检测方法,该方法利用深度学习和图像处理技术,通过分析图像中人脸的生物特征和频谱特征来判断人脸的真实性。文中对Mobile Net V2算法进行改进,采用挤压和...为了提高活体检测的准确度,提出一种基于改进MobileNetV2算法与频谱图的静默活体检测方法,该方法利用深度学习和图像处理技术,通过分析图像中人脸的生物特征和频谱特征来判断人脸的真实性。文中对Mobile Net V2算法进行改进,采用挤压和激励(Squeeze and Excitation,SE)注意力机制和傅里叶频谱辅助学习的方法来提高静默活体检测的准确度。此外,在Print-Attack、OULU和NUAA数据集上进行实验评估,对Mobile Net V2+FFT+SE方法进行验证。实验结果显示,当R_(FP)=10^(-2)时,R_(TP)为97.23%,R_(EE)为2.07%,A_(UC)为96.27%,A_(CC)为92.31%。这些指标证明该方法具有优异的分类性能、较高的A_(UC)值和较低的错误率,同时此方法在实际应用中能够提高人脸识别的安全性,保护个人隐私和信息安全,并具有重要的应用前景。展开更多
文摘为了及时有效地发现桥梁病害,克服目前人工目测方法固有的费时、费力且易受主观因素影响的缺陷,提出一种基于卷积神经网络的轻量化桥梁病害智能识别方法。在保持原MobileNetV2网络模型宽度不变的情况下,通过减少网络中瓶颈模块的数量,并在其中嵌入Squeeze and Excitation通道注意力机制,使新网络能够更有效地学习和利用特征通道之间的关系,以提升网络识别性能。结果表明:经过缩减瓶颈模块和嵌入通道注意力机制两次改进的网络模型,实现了98.78%的识别准确率,较改进前提高了2.85%,计算量也较改进前减少了23.02 M;将改进后的网络模型引入Matlab的GUI界面,将代码可视化为可以独立使用的桥梁病害识别系统,为风化、钢筋锈蚀、开裂和孔洞四种桥梁病害的高效识别提供便利。
文摘为了提高活体检测的准确度,提出一种基于改进MobileNetV2算法与频谱图的静默活体检测方法,该方法利用深度学习和图像处理技术,通过分析图像中人脸的生物特征和频谱特征来判断人脸的真实性。文中对Mobile Net V2算法进行改进,采用挤压和激励(Squeeze and Excitation,SE)注意力机制和傅里叶频谱辅助学习的方法来提高静默活体检测的准确度。此外,在Print-Attack、OULU和NUAA数据集上进行实验评估,对Mobile Net V2+FFT+SE方法进行验证。实验结果显示,当R_(FP)=10^(-2)时,R_(TP)为97.23%,R_(EE)为2.07%,A_(UC)为96.27%,A_(CC)为92.31%。这些指标证明该方法具有优异的分类性能、较高的A_(UC)值和较低的错误率,同时此方法在实际应用中能够提高人脸识别的安全性,保护个人隐私和信息安全,并具有重要的应用前景。
