基于Faster R-CNN的道路裂縫識別
所屬分類：技術(shù)論文
上傳者：aetmagazine
文檔大?。?span>719 K
標簽： 機器學(xué)習(xí) 深度學(xué)習(xí) 卷積神經(jīng)網(wǎng)絡(luò)
所需積分：0分積分不夠怎么辦？
文檔介紹：傳統(tǒng)的道路裂縫識別方法有基于R-CNN、SPPnet、HOG+SVM等多種方法，但識別精度低、檢測速度慢。針對這些缺點，提出一種基于Faster R-CNN的道路裂縫識別方法。首先，采集道路裂縫圖像，建立Pascal VOC數(shù)據(jù)集；其次，基于谷歌開發(fā)的TensorFlow深度學(xué)習(xí)框架，用數(shù)據(jù)集對Faster R-CNN進行訓(xùn)練并分析各項性能參數(shù)指標。實驗結(jié)果表明，在迭代20 000次的情況下，可將訓(xùn)練損失降到0.188 5，AP值達到0.780 2，取得了良好效果。
現(xiàn)在下載
VIP會員，AET專家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。