期刊导航
期刊开放获取
vip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于深度学习的溃坝涌波爬高过程研究
被引量:
3
1
作者
陈家祺
曾俊
刘海江
《水动力学研究与进展(A辑)》
CSCD
北大核心
2022年第3期426-431,共6页
该文将卷积神经网络应用于实验室内的溃坝涌波爬高图像数据集,通过对比FCN和U-Net两类语义分割网络,遴选出U-Net作为深度学习模型展开应用。结果表明,U-Net模型在溃坝涌波爬高识别任务中能达到令人满意的效果,但其迁移能力还有待进一步...
该文将卷积神经网络应用于实验室内的溃坝涌波爬高图像数据集,通过对比FCN和U-Net两类语义分割网络,遴选出U-Net作为深度学习模型展开应用。结果表明,U-Net模型在溃坝涌波爬高识别任务中能达到令人满意的效果,但其迁移能力还有待进一步提升。由于该模型对湿润床面上所记录图像中干扰信号的抵抗能力较弱,故对于未参与模型训练的溃坝涌波水体回流图像的识别效果较差。此外,该文还对模型深度学习过程中的三个超参数(学习率、批尺寸和卷积核尺寸)开展了敏感性分析,揭示了这三个超参数对模型预测结果的影响,为后续研究提供了相关参考。
展开更多
关键词
物理试验
卷积神经网络
溃坝涌波
爬高
超参数
原文传递
基于图像识别的波浪爬高测量方法
被引量:
1
2
作者
王家伟
王收军
陈松贵
《天津理工大学学报》
2022年第4期48-52,共5页
基于图像识别的波浪爬高测量方法,根据给定的采样频率完成对采集视频的帧提取,建立时间序列图像集。通过对图像标定、灰度化、阈值计算和波面识别获取波面数据,进行波浪爬高计算,得到波浪爬高的测量结果。与电容式波高传感器测量结果对...
基于图像识别的波浪爬高测量方法,根据给定的采样频率完成对采集视频的帧提取,建立时间序列图像集。通过对图像标定、灰度化、阈值计算和波面识别获取波面数据,进行波浪爬高计算,得到波浪爬高的测量结果。与电容式波高传感器测量结果对比表明,利用文中所述算法获得波浪爬高时间曲线与波高传感器实测曲线具有较好的一致性,且对爬高峰值的测量更加准确,并采用图像识别数据对传感器数据进行修正,能较好消除波高传感器斜置状态下测量形成的误差,在兼顾效率的同时提高了爬高测量精度。
展开更多
关键词
图像处理
波浪爬高
误差修正
在线阅读
下载PDF
职称材料
题名
基于深度学习的溃坝涌波爬高过程研究
被引量:
3
1
作者
陈家祺
曾俊
刘海江
机构
浙江大学建筑工程学院
大连理工大学海岸和近海工程国家重点实验室
出处
《水动力学研究与进展(A辑)》
CSCD
北大核心
2022年第3期426-431,共6页
基金
大连理工大学海岸和近海工程国家重点实验室开放基金(LP20V1)。
文摘
该文将卷积神经网络应用于实验室内的溃坝涌波爬高图像数据集,通过对比FCN和U-Net两类语义分割网络,遴选出U-Net作为深度学习模型展开应用。结果表明,U-Net模型在溃坝涌波爬高识别任务中能达到令人满意的效果,但其迁移能力还有待进一步提升。由于该模型对湿润床面上所记录图像中干扰信号的抵抗能力较弱,故对于未参与模型训练的溃坝涌波水体回流图像的识别效果较差。此外,该文还对模型深度学习过程中的三个超参数(学习率、批尺寸和卷积核尺寸)开展了敏感性分析,揭示了这三个超参数对模型预测结果的影响,为后续研究提供了相关参考。
关键词
物理试验
卷积神经网络
溃坝涌波
爬高
超参数
Keywords
Physical experiment
Convolutional neural network
Dam break wave
runup process
Hyperparameter
分类号
P753 [交通运输工程—港口、海岸及近海工程]
原文传递
题名
基于图像识别的波浪爬高测量方法
被引量:
1
2
作者
王家伟
王收军
陈松贵
机构
天津理工大学天津市先进机电系统设计与智能控制重点实验室
天津理工大学机电工程国家级实验教学示范中心
交通运输部天津水运工程科学研究院海洋水动力研究中心
出处
《天津理工大学学报》
2022年第4期48-52,共5页
基金
中国科协青年人才托举工程资助项目(2018QNRC001)
中央级公益性科研院所基本科研业务费资助项目(TKS190102,TKS20200402,TKS20200204)。
文摘
基于图像识别的波浪爬高测量方法,根据给定的采样频率完成对采集视频的帧提取,建立时间序列图像集。通过对图像标定、灰度化、阈值计算和波面识别获取波面数据,进行波浪爬高计算,得到波浪爬高的测量结果。与电容式波高传感器测量结果对比表明,利用文中所述算法获得波浪爬高时间曲线与波高传感器实测曲线具有较好的一致性,且对爬高峰值的测量更加准确,并采用图像识别数据对传感器数据进行修正,能较好消除波高传感器斜置状态下测量形成的误差,在兼顾效率的同时提高了爬高测量精度。
关键词
图像处理
波浪爬高
误差修正
Keywords
image
process
ing
wave
runup
error correction
分类号
P229 [天文地球—大地测量学与测量工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于深度学习的溃坝涌波爬高过程研究
陈家祺
曾俊
刘海江
《水动力学研究与进展(A辑)》
CSCD
北大核心
2022
3
原文传递
2
基于图像识别的波浪爬高测量方法
王家伟
王收军
陈松贵
《天津理工大学学报》
2022
1
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部