科研之友
微信
新浪微博
Facebook
分享链接
摘要
该文将卷积神经网络应用于实验室内的溃坝涌波爬高图像数据集，通过对比FCN和U-Net两类语义分割网络，遴选出U-Net作为深度学习模型展开应用。结果表明，U-Net模型在溃坝涌波爬高识别任务中能达到令人满意的效果，但其迁移能力还有待进一步提升。由于该模型对湿润床面上所记录图像中干扰信号的抵抗能力较弱，故对于未参与模型训练的溃坝涌波水体回流图像的识别效果较差。此外，该文还对模型深度学习过程中的三个超参数(学习率、批尺寸和卷积核尺寸)开展了敏感性分析，揭示了这三个超参数对模型预测结果的影响，为后续研究提供了相关参考。
- 单位
