[1]马健,阎卫东,刘国奇.基于深度学习的古建筑木结构裂缝复杂纹理轮廓特征提取方法[J].沈阳建筑大学学报(自科版),2022,(5):896-903.[doi:10.11717/j.issn:2095-1922.2022.05.16]
点击复制

基于深度学习的古建筑木结构裂缝复杂纹理轮廓特征提取方法()
分享到：

《沈阳建筑大学学报(自科版)》[ISSN:1006-6977/CN:61-1281/TN]

卷:
期数:
2022年第5期
页码:
896-903
栏目:
土木工程
出版日期:
2022-09-30

文章信息/Info

作者:
马健; 阎卫东; 刘国奇
关键词:
深度学习; 古建筑木结构; YOLO; SSD; Faster RCNN
DOI:
10.11717/j.issn:2095-1922.2022.05.16
摘要:
目的 运用多种目标检测方法进行古建筑木结构裂缝检测，提出能够满足古建筑木结构裂缝检测速度快、精度高等要求的智能算法。方法 首先优化古建筑木结构裂缝图片数据集；其次分别用YOLO、SSD以及Faster RCNN等模型中比较典型的算法进行古建筑木结构裂缝检测；最后从平均损失函数、精度、召回率、平均精度、每秒传输帧数、推理时间、总运行时间和权重等定量指标进行模型综合性能比较分析。结果 在训练300轮的情况下，YOLO v5s模型在4个模型里表现出了最好的综合性能，模型最轻便、裂缝检测速度最快、损失率最小、准确率最高、识别裂缝的正确率最高。结论 YOLO v5s模型比较适用于古建筑木结构裂缝检测，满足速度快、精度高的需求。

相似文献/References:

[1]石怀涛 乔思康 丁健华 王子男 白晓天.基于改进卷积神经网络CNND的电主轴轴承故障诊断方法[J].沈阳建筑大学学报(自科版),2020,(2):361.[doi:10.11717/j.issn:2095-1922.2020.02.21]
[2]马健,阎卫东,刘国奇.基于YOLO v5的古建筑木结构裂缝检测方法[J].沈阳建筑大学学报(自科版),2021,(5):927.[doi:10.11717/j.issn:2095-1922.2021.05.20]

更新日期/Last Update: 2022-11-01