基于卷积神经网络迁移学习的桥梁裂纹检测与识别

论文摘要

为提高卷积神经网络(CNN)在小样本数据集中的识别准确率,提出一种基于卷积神经网络迁移学习的目标分类方法,提高了卷积神经网络对小样本混凝土裂纹的识别率。实验表明,该方法加快了卷积神经网络的训练速度,降低了网络的过拟合过程,提高了目标分类识别准确率。

论文目录

• 1 卷积神经网络迁移学习基本原理
•   1.1 卷积神经网络
•   1.2 迁移学习
• 2 网络结构
• 3 网络训练
• 4 实验结论

文章来源

类型: 期刊论文

作者: 刘曦,高士武,贺雨

关键词: 迁移学习,卷积神经网络,裂纹分类

来源: 科技创新导报 2019年04期

年度: 2019

分类: 经济与管理科学,工程科技Ⅱ辑,信息科技

专业: 公路与水路运输,计算机软件及计算机应用

单位: 青海大学土木工程学院

基金: 青海省科技计划项目(项目编号:2016-ZJ-721,2017-ZJ-723)

分类号: TP391.41;U446

DOI: 10.16660/j.cnki.1674-098X.2019.04.024

页码: 24-25

总页数: 2

文件大小: 1760K

下载量: 227