Dec, 2023

在法国路面中应用 SVM 方法对 GPR 数据进行分类以识别粘结层特性的几种变体：两个实验案例研究

PDF
TL;DR应用机器学习方法对地下探测雷达进行反演，通过两个实验案例验证了支持向量机和支持向量回归方法在分类和估计填充层沥青乳化剂成分方面的有效性。
发现论文，激发创造
  • 利用基于机器学习的步频 GPR 现场测量进行土壤分析：初步研究

    使用基于机器学习的高分辨率脉冲触发波雷达（SFCW）测量结合地质雷达（GPR）仪器，对应用于农业环境中提取土壤参数的方法进行了广泛的研究，结果表明该方法可在根部深度上以成本效益较高的方式提供深度分辨的土壤参数。

    Apr, 2024

  • 基于贝叶斯推理的 GPR 波形反演技术用于考虑不确定性的地下物质表征

    通过基于贝叶斯模型更新的地下探地雷达 (GPR) 波形反演方法，该研究提出了一种准确预测土壤和土壤上面的覆盖材料的含水量和深度等地下特性的方法，并通过实验数据验证了其有效性。

    Dec, 2023

  • 利用地面探测雷达和高斯过程回归技术绘制埋藏电缆地图

    该论文提出了一种基于地下探地雷达和高斯过程回归的新方法找寻埋藏电缆的位置，并提出了基于聚类和高斯过程回归的电缆拟合算法，通过实验验证了该方法的有效性。

    Jan, 2022

  • 使用合成数据微调 CNN，提高 GPR 图像的异常检测能力

    提出了一种基于预训练卷积神经网络的综合数据和一分类学习算法的地下物体检测方法。该方法通过采集探测区域的正常 GPR 图像和模拟包含不同物体类型的 GPR 图像来生成综合数据，用于微调卷积神经网络，进而提取探测区域内的地下物体特征并进行分类，无需预先设置地下物体类型和数量。实验表明，该方法能够有效提高卷积神经网络对探测区域内物体的特征提取能力，并且满足实际应用中的及时性要求。

    Oct, 2022

  • 基于 3D-GPR 的子基层病害检测的多视角融合与蒸馏

    通过利用来自三维地质雷达数据的多视角信息，我们引入了一种新的、针对基床病害检测任务的方法，同时构建了一个从原始三维地质雷达数据衍生的真实多视角图像数据集，从而提供了比 A 扫描和 B 扫描数据更丰富的空间信息，并减少了与 C 扫描数据相比的计算复杂性。随后，我们开发了一种新颖的 GPR-MVFD 框架，旨在最优化利用多视角地质雷达数据集，通过多视角蒸馏和基于注意力的融合，提取基床病害的显著特征。我们的框架在新的 GPR 基准测试中进行了广泛的实验，证明了其有效性和高效性，不仅超过了现有的 GPR 基线，还超过了多视角学习、多模态学习和知识蒸馏领域的最新方法。我们将发布构建的多视角地质雷达数据集，其中包含了专家标注的标签和所提出框架的源代码。

    Aug, 2023

  • 基于 GMM 的毫米波雷达多模交通监测中的点云分割

    以毫米波雷达为传感器，提出基于高分辨率雷达点云的混合高斯模型无监督学习算法，在多模态交通监测中取得了良好的分割效果。

    Nov, 2019

  • 一种用于工程回归问题的基于物理知识的高斯过程谱

    通过结合机器学习技术和基于物理推理的方法，本文引入一系列可能的高斯过程模型，以提高基于有限数据的预测模型建立能力。这些方法可以显著减少对数据收集的依赖，并增强模型的可解释性。

    Sep, 2023

  • 使用二维灰度共生矩阵的纹理图像处理进行破损铁轨检测

    该文提出了一种基于图像纹理处理的铁路缺陷检测方法，使用 Automatic Train Control system 提高铁路安全性，分析了由于铁路破损和断裂导致的事故，采用 Random Forest 分类器对提取的缺陷图像特征进行分类，实验结果表明该算法在精度、召回率和准确度方面均优于支持向量机和 K - 最近邻分类器。

    Apr, 2023

  • 用椭圆反演模型估计 GPR 图像中管道的方向和半径

    本研究提出一种新型模型，利用地下探地雷达在 B 扫描图像上处理下降方向点集并通过椭圆迭代反演算法，评估地下管道方向及半径，修正管道地图。实验结果表明该方法效果显著。

    Jan, 2022

  • 道路病害识别中的深度学习方法：综述

    综述最近图像处理和深度学习技术在道路病害检测和分类中的广泛应用，介绍了机器学习和深度学习算法在提高效率和准确性方面的优势，讨论了无人机数据采集的整合以及处理高分辨率图像的深度学习算法在有效检测和分类不同道路病害方面的价值。

    Aug, 2023