基于Grad-CAM的探地雷达公路地下目标检测算法
提出了一种基于卷积神经网络(convolutional neural networks,CNN)与梯度类激活热力图(gradient class activation map,Grad-CAM)的探地雷达公路地下目标检测方法.首先使用标记好的探地雷达图像数据集训练一个用于图像分类的CNN,然后基于训练完成的CNN对图像计算Grad-CAM激活图,将获得的激活图进行二值化,定位目标位置.构建了一个包括了5 000张探地雷达图像的数据集,并使用该数据集进行实验,其中4 000张图像用来训练模型,1 000张用来测试.在1 000张测试数据中,各个类别的召回率分别为:管线目标99.2%,地下空洞98.5%,无目标图像98.8%o.目标定位结果与实际位置非常吻合.这些结果表明该方法能够有效的检测探地雷达图像中的目标.
探地雷达、深度学习、目标检测、梯度类激活热力图
43
TP2(自动化技术及设备)
北京市科技计划课题实施方案;载人航天预研项目
2020-09-04(万方平台首次上网日期,不代表论文的发表时间)
共6页
113-118