本文介绍了利用卷积神经网络（CNN）进行沥青路面病害识别、定位和测量的研究。文章设计了三种CNN，分别用于病害识别、裂缝特征提取和坑槽特征提取。通过图像预处理、训练和测试，CNN能够准确识别病害类型，并通过反卷积层实现病害区域的定位和测量，减少了人工干预的需求。
标题：基于卷积神经网络的路表病害识别与测量
作者：沙爱民等
期刊：中国公路学报（2018，2019）
Ｔｏｎｇ等［２０］利用卷积神经网络对沥青路面的探地雷 达图像进行了反射裂缝的识别、定位、测量和三维重 建。
涉及到定位、测量和三维重建，可以重点关注tong这一篇文章。启示我们可以在定位、测量和三维重建上面做一些工作。
本文共设计３种ＣＮＮ， 分别用于病害识别（ＣＮＮ１）、裂缝特征提取（ＣＮＮ２） 和坑槽特征提取（ＣＮＮ３）。首先，对所采集的路面 图像进行简单的预处理并作为ＣＮＮ１训练样本。
其次，经结构设计、前反馈算法训练及样本测试３个 步骤后，建立 ＣＮＮ１。
之后，将训练完成的 ＣＮＮ１== 输出结果==作为 ＣＮＮ２和 ＣＮＮ３的训练样本。相似 地，经结构设计、前反馈算法训练及样本测试３个步 骤后建立ÿ
最低0.47元/天 解锁文章
扫一扫
721
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
