- 博客(1)
- 收藏
- 关注
可执行像素级(语义分割类)智能识别的基础CNN卷积神经网络
该数据集主要为利用手机在美国天普大学(Temple University)校园道路上所拍摄的路面裂缝图像,光照条件多样,路面裂缝形态多样,噪音纹理多样,比较具有挑战性,是较好的工程实践案例与算法测试案例。该数据集经过处理后包含 3368 张路面裂缝图像,其中训练(Training)数据集 1896 张图像,验证(Validation)数据集 348张图像。
利用 Tensorflow 平台,结合 Python 编程语言,构建模型训练平台,自主开展模型训练。以 Precision,Recall,F1-Score,Intersection-over-Union(IOU)等为识别性能的评价指标,以 Epoch(遍历训练数据集一次)为记录单位,记录智能模型对于验证数据集识别性能变化,画出训练过程中四个评价指标的变化曲线。
模型训练完成后,获得在验证数据集上的最优模型参数,利用最优模型参数,同样以Precision,Recall,F1-Score,Intersection-over-Union(IOU)为识别性能评价指标,测试模型在测试数据集上的识别性能(即四个评价指标值)。
2024-02-05
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人