基于多源迁移学习的大坝裂缝检测

摘要：

针对现有深度学习方法在进行大坝裂缝检测时出现模型过拟合、计算效率低下等问题,文中提出了一种基于多源迁移学习的大坝裂缝检测方法,旨在提高算法准确率的同时,减少模型计算量,加快检测速度.所提方法首先将MobileNet网络和SSD目标检测算法相结合,形成MobileNet-SSD网络,有效减少了模型参数量并减少了计算复杂度;然后利用道路裂缝、墙壁裂缝和桥梁裂缝等多源数据进行训练,并应用迁移学习的思想,将学习到的知识分别迁移到大坝裂缝的检测模型中,以提升模型检测的精确度;最后提出了一种多模型融合方法,将通过迁移学习得到的多个检测结果进行融合,进一步提升了检测结果的重合度.

关键词：大坝裂缝检测、迁移学习、深度学习、模型融合

所属期刊栏目：49

分类号：TP391(计算技术、计算机技术)

资助基金：江苏省自然科学基金;河海大学海岸灾害;教育部重点实验室开放基金;中央高校基本科研业务费

在线出版日期：2022-06-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：319-324