基于深层卷积神经网络的公路边坡灾害识别研究

扫码查看

原文链接

NETL
NSTL
万方数据
维普

中文摘要：人工检测公路边坡灾害,费时费力,效率和识别率较低,随着以深度卷积神经网络为代表的深度学习技术在图像目标识别方面取得的卓越成绩,为实现公路边坡灾害图像自动检测提供了新的思路.有鉴于此,针对传统人工方案存在的问题,本文设计了基于深度卷积神经网络实现公路边坡灾害自动识别系统.系统由预处理、深度学习网络模型及后处理三部分构成,在深度学习开源Caffe开发环境下,实现了AlexNet和GoogLeNet深度学习网络模型并采用大量公路边坡数据完成模型训练.通过对公路边坡实测数据的分类试验,本方案的边坡灾害识别率达到90％左右,表明基于深度学习的公路边坡检测方案可有效完成公路边坡灾害识别任务,有效替代传统人工检测方式.

作者：

束景晓、张建龙、吴佳涛

展开 >

作者单位：

河南省交通运输厅高速公路管理局,河南郑州450000

北京邮电大学电子工程学院,北京100876

关键词：

深度学习卷积神经网络高速边坡灾害人工神经网络训练图像识别

出版年：

2017

公路交通科技·应用技术版

交通运输部公路科学研究院

公路交通科技·应用技术版

影响因子：0.286

ISSN：1002-0268

年,卷(期)：2017.13(10)

被引量2
参考文献量3