基于Faster R-CNN的道路裂縫識(shí)別
所屬分類：技術(shù)論文
上傳者：aetmagazine
文檔大?。?span>719 K
標(biāo)簽： 機(jī)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(shí)別方法有基于R-CNN,、SPPnet,、HOG+SVM等多種方法,，但識(shí)別精度低,、檢測(cè)速度慢,。針對(duì)這些缺點(diǎn),，提出一種基于Faster R-CNN的道路裂縫識(shí)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(duì)Faster R-CNN進(jìn)行訓(xùn)練并分析各項(xiàng)性能參數(shù)指標(biāo),。實(shí)驗(yàn)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(dá)到0.780 2，取得了良好效果,。
現(xiàn)在下載
VIP會(huì)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,。