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： 機器學習 深度學習 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深度學習框架,，用數(shù)據(jù)集對Faster R-CNN進行訓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,。