一種條帶池化道路裂縫自動提取方法_第1頁
一種條帶池化道路裂縫自動提取方法_第2頁
一種條帶池化道路裂縫自動提取方法_第3頁
全文預覽已結束

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

在機器學習和深度學習的發展下，深度學習方法，尤其是卷積神經網絡（CNN）道路裂縫自動提取問題看作二分類問題，通過使用卷積神經網絡對圖像進行訓練，最終得出道路裂縫的位置。本文提出的方法是在卷積神經網絡的基礎上增加了條帶池化的步驟。條帶池化算法是對標準池化算法的擴展，它可以在卷積神經網絡中更好U-Nt的卷積神經網絡結構，該結構是一種基于全卷積網絡的語義分割架構，可以有助于識別出道路裂縫的位置。U-Nt兩個部分：下采樣部分和上采樣部分。下采樣部分包括卷積、批標準化ReLU積將特征映射還原到原始圖像尺寸。在這個過程中，我們使用了跳躍式連接，使下采樣部分的特征與上采樣部分的特征相結合。這有助于提高網絡的準確性。條帶池化算法是一種新的池化方法，在卷積神經網絡中被廣泛應用。它基于分層的特征表示，可以顯著減少網絡的計算量，同時保持卷積網10。在驗證測試數據中，我們在一個公共數據集上進行了實驗，該數據集包含了不同景觀條TensorwPU上運行。在訓練過程中，我們使用了Adam優化算法，并且進行了數據增強。報率，達到了96.8%的準確度。卷積神經網絡和條帶池化技術，我們可以很好地提取出道路裂縫的位置。實驗結果表

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論