| 改进型VGG算法对小样本路面破损的分类识别 |
| |
| 引用本文： | 陈嘉,季雪,阙云,戴伊,蒋子平 ?. 改进型VGG算法对小样本路面破损的分类识别[J]. 湖南大学学报(自然科学版), 2023, 0(3): 206-216 |
| |
| 作者姓名： | 陈嘉 季雪 阙云 戴伊 蒋子平 ? |
| |
| 作者单位： | （1.福州大学 计算机与大数据学院，福建 福州 350108；2.福州大学 土木工程学院，福建 福州 350108） |
| |
| 摘 要： | 为解决小样本沥青路面破损图片在分类识别中存在的识别精度差的问题，选择常见的5种路面破损类型，提出了一种基于VGG的浅层深度卷积神经网络模型的路面破损图像分类方法. 首先，将采集到的图像集进行预处理并自制成数据集. 其次，设置三种不同的批处理量尺寸和两种不同的网络层数作训练，选择最适合该网络模型的尺寸，得到浅层VGG模型. 将处理后的路面图片直接作为模型的输入，作模型的训练、验证及测试. 最后，将模型试验结果与支持向量机及目前主流的深度卷积神经网络模型的试验结果进行对比. 结果表明：浅层VGG模型在训练集、验证集及测试集的分类准确率接近，对路面破损图像的分类识别准确率都达到98%以上，表现出模型良好的识别能力；与支持向量机及目前主流的网络模型试验结果相比，浅层VGG网络模型训练耗时少且泛化能力更强，模型提取到的特征更丰富，可获得更加全局的信息. 可见，浅层VGG模型在对小规模图像的分类识别中具有显著优势，同时相比其他方法更具鲁棒性，结果更精确.
|
| 关 键 词： | 道路工程；路面破损；卷积神经网络；VGG模型；分类识别 |
Classification Recognition of Pavement Disaster with Small Sample Size Based on Improved VGG Algorithm |
| |
| CHEN Ji,JI Xue,QUE Yun,DAI Yi,JIANG Ziping?. Classification Recognition of Pavement Disaster with Small Sample Size Based on Improved VGG Algorithm[J]. Journal of Hunan University(Naturnal Science), 2023, 0(3): 206-216 |
| |
| Authors: | CHEN Ji JI Xue QUE Yun DAI Yi JIANG Ziping? |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《湖南大学学报(自然科学版)》浏览原始摘要信息 |
|
点击此处可从《湖南大学学报(自然科学版)》下载全文 |
