A funcionalidade de pesquisa está em construção.
A funcionalidade de pesquisa está em construção.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Rust Detection of Steel Structure via One-Class Classification and L2 Sparse Representation with Decision Fusion Detecção de ferrugem em estruturas de aço por meio de classificação de classe única e representação esparsa L2 com fusão de decisão

Guizhong ZHANG, Baoxian WANG, Zhaobo YAN, Yiqiang LI, Huaizhi YANG

  • Exibições de texto completo

    2

  • Cite isto

Resumo:

Neste trabalho, apresentamos um novo método de detecção de ferrugem baseado na classificação de uma classe e representação esparsa L2 (SR) com fusão de decisão. Primeiramente, é proposto um novo descritor de contraste de cores para extrair as características de ferrugem de imagens de estruturas de aço. Considerando que os padrões de recursos de ferrugem são mais simplificados do que aqueles de não ferrugem, o classificador de máquina de vetores de suporte (SVM) de classe única e o classificador L2 SR são projetados com esses recursos de imagem de ferrugem, respectivamente. Depois disso, uma regra de fusão multiplicativa é defendida para combinar os módulos SVM e L2 SR de classe única, obtendo assim resultados de detecção de ferrugem mais precisos. Nos experimentos, realizamos vários experimentos e, quando comparado com outros detectores de ferrugem desenvolvidos, o método apresentado pode oferecer melhores desempenhos de detecção de ferrugem.

Publicação
IEICE TRANSACTIONS on Information Vol.E103-D No.2 pp.450-453
Data de publicação
2020/02/01
Publicitada
2019/11/11
ISSN online
1745-1361
DOI
10.1587/transinf.2019EDL8178
Tipo de Manuscrito
LETTER
Categoria
Inteligência Artificial, Mineração de Dados

autores

Guizhong ZHANG
  Shandong University
Baoxian WANG
  Shijiazhuang Tiedao University,Key Laboratory for Health Monitoring and Control of Large Structures of Hebei Province
Zhaobo YAN
  Shijiazhuang Tiedao University
Yiqiang LI
  Shijiazhuang Tiedao University
Huaizhi YANG
  Beijing-Shanghai High-Speed Railway Co., Ltd.

Palavra-chave