• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of visual communication & image representation >Water leakage image recognition of shield tunnel via learning deep feature representation
【24h】

Water leakage image recognition of shield tunnel via learning deep feature representation

机译：通过学习深度特征表示漏水隧道泄漏图像识别

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

With the development of urban metro, the research on structural diseases of shield tunnels has been becoming a hot research topic, especially the leakage water diseases. Deep learning-based algorithms have shown impressive performance in image processing domain, such as image classification, image recognition or image retrieval. In this paper, we propose a novel image recognition algorithm for water leakage diseases of shield tunnels based on deep learning algorithm. Water leakage images are classified into six categories, each of which are extracted deep representation for image recognition. We compare our method with Otsu algorithm (OA), Region Growing Algorithm (RGA), and Watershed Algorithm (WA) to show the effectiveness of our proposed method. (C) 2019 Elsevier Inc. All rights reserved.
机译：随着城市地铁的发展，盾牌隧道结构疾病的研究一直成为一个热门的研究课题，尤其是泄漏水病。基于深度学习的算法在图像处理域中显示了令人印象深刻的性能，例如图像分类，图像识别或图像检索。本文提出了一种基于深度学习算法的盾构隧道漏水疾病的新型图像识别算法。漏水图像分为六个类别，每个类别都被提取为图像识别的深度表示。我们将我们的方法与OTSU算法（OA），区域生长算法（RGA）和流域算法（WA）进行比较，以显示我们所提出的方法的有效性。 （c）2019 Elsevier Inc.保留所有权利。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号