基于FRRN注意力监督的沥青路面积水区域分割

来源 :交通运输工程学报 | 被引量 : 0次 | 上传用户:csj123
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
为实现不同光照与气候条件下的沥青路面积水区域自动分割,在现有全分辨率残差网络(FRRN)的上采样层设计了一种注意力监督机制;加入积水区域注意力模块(PAAM)与深度监督模块,建立了一种含积水区域注意力监督模型(PAAM-FRRN);利用最大池化与上采样构建编码器-解码器结构,在全局尺度下捕获了积水的视觉特征,在上采样层引入了注意力监督机制,针对积水区域进行上采样并融合不同网络层之间的特征,最小化网络各层损失函数,优化网络总体最终损失;采集不同光照与气候条件下的1770个(弱光750个、强光740个、雨天280个)沥青路面积水图像进行五折交叉验证试验,获得了积水区域分割结果;以人工标注结果作为真值,利用Dice相似系数(DSC)、Jaccard相似系数(JSC)、精确率、召回率与豪斯多夫距离(HD95)作为量化评价指标,将提出的模型分别与FRRN和其他7种有代表性的传统模型进行了分割效果对比.研究结果表明:提出的模型在DSC、JSC、精确率与召回率所取得的均值分别为0.91、0.86、0.92和0.93,相比FRRN分别提高了3.41%、6.17%、2.22%和4.49%,且均高于传统7种对比模型;在DSC、JSC、精确率以及召回率所取得的标准差分别为0.12、0.15、0.11和0.12,与FRRN相比分别降低了20.00%、16.67%、21.43%和25.00%,且均低于传统7种对比模型;其HD95为38.56,均低于其他对比模型,提出的模型能够实现对不同光照与气候条件下的沥青路面积水区域的准确、有效分割.
其他文献
针对高速列车的轻量化设计需求,分析了内轴颈高铁车轴独特的内支承结构与承载特点,建立了内轴颈高铁车轴受力状态和结构强度理论分析模型,提出了内轴颈高铁车轴设计极限载荷和疲劳强度的解析计算方法;在此基础上,制定了基于理论分析、有限元方法和车辆系统动力学的内轴颈高铁车轴结构设计方法,并以17 t轴重的内轴颈高铁车轴为例开展了应用研究;基于内轴颈高铁车轴受力状态的理论分析结果,确定了车轴的临界安全截面和详细尺寸方案;建立了内轴颈高铁车轴的有限元模型,评估并校核了车轴的疲劳强度;建立了轴箱内置式高速动车的刚-柔耦合系
基于船舶自动识别系统轨迹,构建了船舶轨迹静态相异度模型、动态相异度模型以及组合相异度模型,包括轨迹起点和终点相异度模型、轨迹长度相异度模型、轨迹空间分布相异度模型、轨迹航速均值相异度模型、轨迹航向均值相异度模型、轨迹航速标准差相异度模型和轨迹航向标准差相异度模型;采用KNN分类算法进行轨迹分类,分析了单个相异度模型的有效性和时效性,对比了单个相异度模型和组合相异度模型下轨迹分类效果,研究了组合相异度模型中相异度模型的类别和权重对轨迹分类的影响;分别以内河航道和港口水域船舶轨迹进行试验.试验结果显示:在采用
为有效解决高流量终端区内标准飞行模式、非标准飞行模式和异常飞行模式难以自动分离的问题,采用广泛记录的广播式自动相关监视(ADS-B)数据,构建了基于稳健深度自编码器(RDAE)和快速搜索并寻找密度峰值的聚类(CFSFDP)算法的航迹聚类模型;使用RDAE降维提取终端区内航迹集的非线性特征,利用多种正则化手段约束内部低维流形,以重建更紧密的航迹并将其作为CFSFDP算法的输入,利用轮廓系数选取不同密度飞行模式的聚类中心,并调节边缘密度参数识别出异常航迹;选取主成分分析(PCA)结合有噪声的空间密度聚类(DB
为准确评估大规模轨迹数据中的船舶停留活动,构建了两阶段船舶轨迹停留点提取策略,提出了特征驱动的船舶停留行为识别与自动分类方法;以距离、时间和轨迹点数量为约束条件构建了规则模型,检测了原始轨迹中的停留候选轨迹,引入孤立森林算法检测和去除异常离群点,提取了高聚集度的船舶停留轨迹集合;基于船舶靠泊和锚泊的时空特征,定义了轨迹点重复率、相邻点平均距离和最远点对距离3个指标,构建了新的轨迹相似性度量模型,量化了船舶停留轨迹点的分布特征和聚合程度,并利用K近邻算法完成了船舶锚泊行为与靠泊行为的自动分类;采用提出的方法
为快速疏解城轨线路上车站的大客流,减少乘客的等待时间,研究了备用车投放问题;在考虑列车追踪关系、列车停站时间等约束的基础上,建立了综合备用车投放时机确定、投放最佳车站选择和时刻表动态调整的多目标优化模型;界定了城轨备用车开行条件,提出了城轨备用车投放时机的定量化判定方法;用0-1变量表征车站是否具备备用车投放条件,并将其作为模型输入,以减小大客流车站乘客等待时间和降低运行图偏离时间(延误时间)为优化目标,构建了备用车投放的混合整数非线性规划模型,该模型通过比较不同的备用车投放方案效率得到最佳的备用车投放车
针对大规模城市道路交通路网分区的实际需求,基于可反映时间序列变化趋势的皮尔逊相关系数和度量空间关系的欧式距离,构建了一种衡量交通流时间序列相似性的综合指标;结合交通流时间序列的时空相似性特点,引入子区内的空间连通约束,利用归一化割(NCut)算法设计了一种改进的路网静态分区算法;为体现交通路网分区的时变特征,选取了合适的评价指标来确定每一时间段内合理的分区数量,提出了一种基于时间序列的NCut路网动态分区算法;利用北京市东北二环区域内采集的路段交通流速度数据,应用所设计的算法对7.23 km2的路网进行分
应用智能公交系统(APTS)提取个体乘客出行信息,构造了公交出行链,研究了基于时空行为规律挖掘(STBRM)的公交乘客分类方法;应用时间序列表征乘客出行时间特征,利用互相关距离(CCD)算法计算了个体乘客出行时间规律;应用带噪声基于密度的空间聚类(DBSCAN)算法,挖掘了个体乘客的出行空间规律;依据出行强度和出行时空规律,将乘客划分为极少出行、时间规律、空间规律、时空规律和不规律等5个群体;以出行天数、类似上车时间数量和类似上车站点数量为聚类指标,应用K-Means++算法将乘客划分为高规律、中规律和低
为了实现封站情况下轨道交通短时客流的精准预测和探索客流的变化机理,提出了一种考虑时空修正的融合动态因子模型(DFM)和支持向量机(SVM)的短时客流预测方法(DFM-SVM);利用符号聚合近似方法(SAX)与动态时间规整(DTW)相结合的算法(SAX-DTW)识别受封站影响的时空范围,利用DFM预测常态下的短时客流,利用SVM提取和处理受封站影响车站与时段客流量的非线性特征,对受影响车站与时段的客流量进行修正;以北京地铁封站情景下车站的进站量预测为例,验证方法的有效性.研究结果表明:与既有SAX相比,提出
为精准分析公交线路与站点不同客流的出行特征及时变差异性,结合深度学习理论,提出了一种基于卷积神经网络(CNN)与门控制循环单元(GRU)组合的公交客流分类预测模型;融合匹配公交一卡通刷卡、公交车GPS轨迹、线路和站点基础信息、气象等多源数据,实现公交客流数据重构;采用K-Medians算法将乘客分为通勤类和非通勤类;以乘客类型、历史客流量、时段、高/平峰、星期、降水量、重大活动等因素为输入向量,分别建立CNN与GRU单一模型,并利用均方误差、均方根误差、平均绝对误差为评价指标,开展预测;针对单一模型不适用
该文首先介绍了大型房地产建设项目特点及项目各阶段的划分,其次详细分析了大型房地产建设项目工程造价的影响因素,并在此基础上,从工程各个阶段分别提出了大型房地产建设项目工程全过程造价控制建议.