[发明专利]基于快速深入学习法进行损伤检测的方法有效
| 申请号： | 201910572697.2 | 申请日： | 2019-06-27 |
| 公开（公告）号： | CN110321948B | 公开（公告）日： | 2023-02-03 |
| 发明（设计）人： | 瓦尔阿波得莫姆阿波得莫姆阿塔贝;努里默罕默德 | 申请（专利权）人： | 瓦尔阿波得莫姆阿波得莫姆阿塔贝 |
| 主分类号： | G06V10/82 | 分类号： | G06V10/82;G06V10/764;G06V10/80;G06V10/40;G06N3/0464;G06N3/084 |
| 代理公司： | 常州兴瑞专利代理事务所(普通合伙) 32308 | 代理人： | 王玲玲 |
| 地址： | 江苏省南京市雨花台区安德门*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 基于 快速 深入 学习 进行 损伤 检测 方法 | ||
【权利要求书】：
1.一种基于快速深入学习法进行损伤检测的方法，其特征在于，包括：
将一个目标的两个以上图像源的一系列结构损伤类型的连续帧序列图像送入dualCNN中提取损伤特征；
提取的损伤特征送入SVM分类器进行分类；
分类的具体过程为：
步骤S201，用P维张量表示SVM的输出
其中，k＝1,...,n，c(i,j)是第一图像源的类i和第二图像源的类j，nc是结构损伤类型的数量，n是每个并行源的每列中的图像数量；
步骤S202，计算图像序列大小估计的平均值，对于包含平均值的类e赋值1，其余赋值0，得到张量组成方式
其中，
步骤S203，获取目标损伤类型的速率组成方式
其中，
步骤S204，根据探测系统提供的结构损伤的速度、距离和轨迹，以及SVM的预测进行分类。
2.根据权利要求1所述的方法，其特征在于，步骤S204的具体过程在于：
步骤S2041，获取一系列图像的组合p维张量
步骤S2042，获取融合向量Φ
Φ(i.j)＝P(i.j)*V(i.j)*E(i.j)
步骤S2043，获取最终的预测结果S
S(i,j)＝maxmΦ(i,j)
m＝argmaxmΦ(i,j)。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于瓦尔阿波得莫姆阿波得莫姆阿塔贝，未经瓦尔阿波得莫姆阿波得莫姆阿塔贝许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201910572697.2/1.html，转载请声明来源钻瓜专利网。
