安全与环境学报

2022, v.22;No.127(01) 8-15

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

结合深度学习与注意力机制的墙体安全检测模型
A wall safety detection model combining deep learning and attention mechanism

唐东林;吴续龙;周立;宋一言;秦北轩;

摘要(Abstract):

为解决传统建筑墙体检测采用人工目视方式效率低、成本高、危险性大的问题,提出利用无人机拍摄建筑外墙缺陷图像,采用卷积神经网络(Convolutional Neural Network, CNN)结合注意力机制实现对威胁建筑外墙安全缺陷的识别分类。从获取建筑外墙缺陷图像数据开始,制作缺陷图像数据集,以威胁墙体安全的缺陷为学习样本,构造浅层卷积神经网络,融入BAM(Bottleneck Attention Module)注意力机制,从卷积神经网络提取的浅层特征中提炼缺陷特征进行学习,实现建筑外墙的安全检测。经试验,多类安全问题检测正确率达到96.18%,所提出的模型相较传统的CNN、VGG 16、ResNet 18算法,检测正确率分别提高了3.36个百分点、3.92个百分点、14.6个百分点。研究表明,卷积神经网络结合注意力机制的方法可以避免局部缺陷丢失,提高检测正确率。

关键词(KeyWords): 安全工程;墙体缺陷;BAM注意力机制;卷积神经网络;深度学习

Abstract:

Keywords:

基金项目(Foundation):

作者(Authors): 唐东林;吴续龙;周立;宋一言;秦北轩;

DOI: 10.13637/j.issn.1009-6094.2020.1612

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享