.png){kind=icon}
返回
Efficient bridge damage detection using a lightweight attention-based modeling framework
.png){kind=icon}
OA
AI
DOI：10.1111/mice.70098.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
目前，对桥梁表面损伤的实时评估对于确保基础设施安全至关重要。然而，现有方法常面临挑战：过于复杂的计算模型与资源受限系统不兼容，而轻量级模型难以实现足够的检测精度。此任务还因桥梁损伤的多样性（如裂缝、钢筋外露和盐析）以及从无人机等来源在多变条件下获取数据的挑战而进一步复杂化。本研究提出了一种高效框架以改进此类应用。用于桥梁损伤检测的轻量级特征增强与三元组注意力网络包括：(1) 多尺度特征学习模块，(2) 基于瘦颈优化的特征金字塔集成模块，以及(3) 基于三元组注意力的损伤检测模块；(1) 提取桥梁表面的多尺度表征，(2) 增强多尺度特征集成以实现轻量计算，同时保持精度，(3) 采用三分支结构优化框架以进行跨尺度交互，降低无关特征的重要性。在MCDS和CODEBRIM数据集上的广泛实验证明了其优势：平均精确率提升了5.6%，计算负载降低了13.6%，并实现了45帧/秒的实时性能。该模型的计算复杂度在推理过程中随单位时间内处理输入实例的数量线性增长。
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
C
IF:
9.1
论文数:
2.0K
被引数:
10.0K
机构
引用论文
Efficient Deep Learning: A Survey on Making Deep Learning Models Smaller, Faster, and Better高效深度学习: 关于使深度学习模型更小、更快、更好的调查
OAAI
OAAI分享收藏Detection of hyperglycemia and hypoglycemia using deep learning from facial images obtained with an AI image generator通过深度学习检测面部图像中的高血糖和低血糖（使用AI图像生成器获取）
PREAI
分享收藏Research on a U-Net Bridge Crack Identification and Feature-Calculation Methods Based on a CBAM Attention Mechanism基于CBAM注意机制的u-net桥梁裂缝识别与特征计算方法研究.png)
BUILDINGSOAAI
BUILDINGSIF3.1
OAAI分享收藏RFFR-Net: Robust feature fusion and reconstruction network for clothing-change person re-identificationRFFR-Net：用于服装更换行人重识别的鲁棒特征融合与重构网络INFORMATION FUSION
INFORMATION FUSIONIF15.5
PREAI
分享收藏Wireless IoT Monitoring System in Hong Kong-Zhuhai-Macao Bridge and Edge Computing for Anomaly Detection港珠澳大桥无线物联网监测系统与边缘计算异常检测
PREAI
分享收藏Supporting quantitative structural assessment of highway bridges through the use of LiDAR scanning
PREAI
分享收藏Improved YOLOv8n-based bridge crack detection algorithm under complex background conditions基于YOLOv8n改进的复杂背景条件下桥梁裂缝检测算法SCIENTIFIC REPORTSOAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏
查看更多内容