典型文献
基于迁移学习的公路边坡滑塌识别研究
文献摘要：
自动化拍摄代替人工进行边坡滑塌病害巡查是近年来的新趋势,本文提出基于迁移学习的边坡病害识别方法.首先采集3000余张边坡病害照片,并将样本量扩充了7倍后划分为70∶30的训练集与验证集.然后基于预训练目标识别模型,更新模型目标推荐模块,建立了多个FasterR-CNN框架下的目标识别模型.然后结合模型误差随机梯度下降等训练策略,完成模型训练.分别以目标框内病害的判别概率大于90％、80％、70％作为识别依据,计算准确率、召回率,在验证集上验证模型效果.发现:降低目标识别框的类别概率阈值要求后,边坡病害的漏判率有明显下降,准确率降低.训练效果最好的Faster R-CNN ResNet-50 FPN模型以大于70％概率作为识别目标标准时,对验证集的漏判率低于4％.适当放松准确率要求,模型漏判率随之降低,对缺陷、异常的图像识别具有实用价值.
文献关键词：
公路边坡;滑塌;目标识别;Faster R-CNN;漏判率
中图分类号：
作者姓名：
胡良军;吴建良;杨军;赵亚宇
作者机构：
广州市市政工程试验检测有限公司,广州510520;广州市建筑科学研究院集团有限公司,广州510440;清华大学,北京100084;广东省装配式地下结构检测与监测工程技术研究中心,广州510520;湖南理工学院土木建筑工程学院,岳阳414006
文献出处：
引用格式：
[1]胡良军;吴建良;杨军;赵亚宇-.基于迁移学习的公路边坡滑塌识别研究)[J].广州建筑,2022(06):57-60
A类：
B类：
迁移学习,公路边坡,边坡滑塌,代替人工,工进,巡查,边坡病害,病害识别,余张,样本量,训练集,验证集,预训练,目标识别模型,更新模型,FasterR,模型误差,随机梯度下降,训练策略,成模,模型训练,框内,召回率,验证模型,概率阈值,漏判率,训练效果,ResNet,FPN,准时,放松,图像识别,别具
AB值：
0.352665
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
