科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了有效自动化地识别路面裂缝，在深度学习神经网络VGGNet基础上，提出了基于VGGNet-plus网络的路面裂痕自动分类识别方法。该网络增加了Dropout层和残差层，并在每个卷积层后连接Batch＿normalize(BN)层和LeakyReLu层，解决了训练参数过多、深度神经网络的过拟合等问题，简化计算同时减少训练时间。为了增加训练样本的数量，同时使该方法对采集光照条件、角度、噪声等造成的影响具有更强的适应性和鲁棒性，通过灰度处理，上下翻转，左右翻转，灰度二值处理，均值滤波，灰度gamma处理，高斯滤波，中值滤波等方法来进行数据增容。通过Bagging模型集成方法，对预测的数据进行综合评估后选取最佳的预测结果。实验结果表明，VGGNet-plus网络在路面裂缝分类中的准确率可达92%,有效提升了路面裂缝自动检测精度。
- 单位
