摘要
本发明公开了一种融合WTNet模型的岩质边坡弱纹理特征高精度识别方法,所述方法通过对弱纹理特征感知模型(WTFP)和弱纹理边界感知模型(WTBA)的使用,实现了对弱纹理岩质边坡上的弱纹理特征以及弱纹理边界特征的增强,采用TD‑RCNN框架将增强的弱纹理及其边界特征进行分类和定位,最终实现弱纹理特征高精度识别。本发明充分利用了WTFP和WTBA增强感知的能力,使得TD‑RCNN框架的分类与定位更为准确,通过使用WTNet模型可以得到较高精度弱纹理特征图像,实现弱纹理特征高精度识别,为生成弱纹理岩质边坡三维地质模型提供地质信息,为判断岩质边坡的稳定性提供了可靠依据,降低了边坡维护的时间与人力成本。
技术关键词
纹理特征
高精度识别方法
边界特征
Sigmoid函数
感知特征
岩质边坡
协方差矩阵
全局平均池化
注意力
三维地质模型
像素
图像
生成多尺度
样本
对象
捕获特征
迭代方法
通道
系统为您推荐了相关专利信息
水环热泵空调系统
数据中心
热泵压缩机
序列
冷却水
智能推荐系统
设备维检
融合注意力机制
实体
时序特征
多模态数据融合
预警系统
超声弹性图像
数据采集模块
基层医疗机构
风险评估模型
变电站
卫星遥感数据
融合特征
数据对齐模块