| 基于Faster R-CNN的道路裂縫識別 | |
| 所屬分類：技術論文 | |
| 上傳者：aetmagazine | |
| 文檔大小：719 K | |
| 標簽： 機器學習 深度學習 卷積神經(jīng)網(wǎng)絡 | |
| 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；重復下載不扣分，本人上傳資源不扣分。 | |
Copyright ? 2005-2024 華北計算機系統(tǒng)工程研究所版權所有 京ICP備10017138號-2