返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

欢迎光临我们店铺!书籍都是正版全新书籍,欢迎下单~!!

本店所有商品

  • 音像基于深度学习的地铁基础设施病害检测魏秀琨,贾利民
  • 正版
    • 作者: 魏秀琨,贾利民著 | 魏秀琨,贾利民编 | 魏秀琨,贾利民译 | 魏秀琨,贾利民绘
    • 出版社: 科学出版社
    • 出版时间:2021-06-01
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    诺森图书音像专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品参数
    • 作者: 魏秀琨,贾利民著| 魏秀琨,贾利民编| 魏秀琨,贾利民译| 魏秀琨,贾利民绘
    • 出版社:科学出版社
    • 出版时间:2021-06-01
    • 版次:1
    • 印次:1
    • 字数:292000
    • 页数:232
    • 开本:B5
    • ISBN:9787030689818
    • 版权提供:科学出版社
    • 作者:魏秀琨,贾利民
    • 著:魏秀琨,贾利民
    • 装帧:平装
    • 印次:1
    • 定价:98.00
    • ISBN:9787030689818
    • 出版社:科学出版社
    • 开本:B5
    • 印刷时间:暂无
    • 语种:暂无
    • 出版时间:2021-06-01
    • 页数:232
    • 外部编号:1202412973
    • 版次:1
    • 成品尺寸:暂无

    前言

    章绪论1

    1.1地铁基础设施检测及意义1

    1.2深度学习发展现状2

    1.3地铁基础设施检测国内外研究现状3

    1.3.1钢轨检测国内外研究现状3

    1.3.2扣件检测国内外研究现状4

    1.3.3受电弓检测国内外研究现状5

    1.3.4接触网检测国内外研究现状7

    1.4本书主要内容8

    参考文献9

    第2章图像处理基础13

    2.1图像滤波技术13

    2.1.1盒式滤波13

    2.1.2均值滤波14

    2.1.3高斯滤波14

    2.1.4中值滤波15

    2.1.5双边滤波15

    2.1.6引导滤波16

    2.2图像分割技术17

    2.2.1传统分割方法17

    2.2.2智能分割方法19

    .图像边缘检测技术21

    ..1微分边缘检测技术22

    ..2基于小波变换的边缘检测技术

    ..基于数学形态学的边缘检测技术24

    ..4基于模糊学的边缘检测技术26

    ..5基于神经网络的边缘检测技术27

    ..基于遗传算法的边缘检测技术27

    2.4图像特征提取技术28

    2.5图像技术32

    2.5.1直方图均衡算法33

    2.5.2小波变换图像算法34

    2.5.3偏微分方程图像算法34

    2.5.4Retinex图像算法35

    2.6图像视觉特征词典技术36

    2.6.1词袋模型36

    2.6.2高斯混合模型37

    2.7本章小结39

    参考文献40

    第3章基于图像处理的碳滑板表面病害检测42

    3.1受电弓病害介绍42

    3.1.1受电弓基本介绍42

    3.1.2受电弓常见病害介绍43

    3.2碳滑板边缘检测46

    3.2.1图像预处理46

    3.2.2图像边缘检测48

    3..图像校正49

    3.2.4磨耗边缘提取49

    3.3碳滑板病害识别51

    3.3.1磨耗曲线提取51

    3.3.2磨耗数学定义52

    3.3.3实际案例分析54

    3.4本章小结56

    参考文献56

    第4章基于图像处理的轨道线路扣件检测57

    4.1基于投影统计差的扣件区域的定位与分割57

    4.1.1钢轨区域定位58

    4.1.2轨枕区域定位62

    4.1.3扣件区域定位64

    4.2基于DenseSIFT的扣件区域的特征提取68

    4.2.1扣件DenseSIFT特征提取69

    4.2.2基于空间金字塔分解的扣件视觉词袋构建70

    4.3扣件病害的分类和识别72

    4.4本章小结76

    参考文献76

    第5章基于图像处理的轨道表面病害检测78

    5.1基于RGF和数字形态学的图像78

    5.1.1基于RGF的图像79

    5.1.2基于数学形态学的图像80

    5.2钢轨表面剥离掉块病害的检测与分类81

    5.2.1钢轨表面剥离掉块病害的定位与分割82

    5.2.2钢轨表面离散病害数据集与特征提取84

    5..基于SVM的钢轨表面病害分类87

    5.3钢轨表面波磨病害的识别与评估90

    5.3.1基于改进空间金字塔匹配模型的钢轨波磨识别算法91

    5.3.2钢轨波磨周期估计94

    5.3.3钢轨波磨严重程度评估96

    5.4本章小结97

    参考文献98

    第6章基于3D重构的接触线表面病害检测100

    6.1双目立体视觉概述100

    6.1.1相机成像模型100

    6.1.2相机标定方法104

    6.1.3立体成像理论106

    6.2立体匹配算法107

    6.2.1立体匹配概念107

    6.2.2常见立体匹配算法110

    6.3接触线3D重构及病害分析113

    6.3.1系统搭建及标定113

    6.3.2接触线三维重建117

    6.3.3接触线病害分析121

    6.4本章小结125

    参考文献125

    第7章深度学习基础126

    7.1深度学习理论126

    7.2卷积神经网络127

    7.2.1卷积神经网络的结构128

    7.2.2卷积神经网络运算与求解130

    7..卷积神经网络的特点133

    7.2.4典型卷积网络模型134

    7.3本章小结138

    参考文献138

    第8章基于深度学习的轨道扣件识别139

    8.1扣件图像的预处理139

    8.1.1图像旋转139

    8.1.2图像镜像140

    8.1.3图像加噪141

    8.1.4图像光照141

    8.2基于VGGNet-16网络的扣件检测和识别142

    8.2.1VGGNet-16网络结构142

    8.2.2VGGNet-16网络训练及测试结果144

    8.3基于FasterR-CNN的扣件检测和识别147

    8.3.1目标检测数据集制作147

    8.3.2FasterR-CNN模型搭建148

    8.3.3FasterR-CNN训练及测试151

    8.4本章小结154

    参考文献154

    第9章基于深度学习的钢轨表面和扣件病害多目标识别155

    9.1钢轨表面和扣件病害多目标检测概述155

    9.2钢轨表面和扣件病害图像的预处理158

    9.3基于FasterR-CNN的钢轨表面和扣件多目标病害识别159

    9.3.1多目标病害检测数据集制作160

    9.3.2FasterR-CNN模型搭建、训练及测试161

    9.4基于YOLOv3算法的钢轨表面和扣件多目标病害识别162

    9.4.1YOLOv3网络模型搭建及改进163

    9.4.2改进YOLOv3网络训练及测试167

    9.5本章小结169

    参考文献170

    0章接触网悬挂部件的病害识别173

    10.1待测绝缘子和各类螺栓的图像分割174

    10.1.1图像预处理174

    10.1.2图像匹配算法175

    10.1.3绝缘子与各类螺栓提取177

    10.2基于图像处理的接触网悬挂病害检测180

    10.2.1基于SURF算法的特征提取181

    10.2.2BOF模型181

    10..绝缘子和各类螺栓分类182

    10.3基于AlexNet模型的待测目标分类检测188

    10.3.1图像数据188

    10.3.2AlexNet模型190

    10.3.3基于AlexNet模型的待测目标分类191

    10.4基于YOLOv3网络的接触网悬挂病害检测192

    10.5本章小结195

    参考文献195

    1章基于深度学习的受电弓表面病害识别197

    11.1基于DCNN的受电弓表面缺陷图像识别197

    11.1.1实验环境介绍198

    11.1.2网络深度对比与选择198

    11.1.3适用于受电弓表面缺陷图像识别的DCNN模型203

    11.1.4模型训练与缺陷识别效果测试210

    11.2基于FasterR-CNN的受电弓定位及病害分类212

    11.2.1FasterR-CNN模型介绍及改进212

    11.2.2实验结果及分析218

    11.3本章小结222

    参考文献222

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购