10.16198/j.cnki.1009-640X.2019.02.009
河道山地灾害的卷积神经网络快速识别方法
河道山地灾害如泥石流、滑坡、山洪、水土流失等严重危害着河道周边公路、铁路、桥梁、大型水利工程等重要基础设施的安全.快速识别已发生的河道山地灾害意义重大,而传统巡检方式具有极高的危险性和滞后性,迫切需要新方法来替代.以深度卷积神经网络为代表的深度学习技术具有局部感知、参数共享、池化等多个特性,相比传统机器学习方法具有更强大的特征学习和特征表达能力.在深度学习开源框架下,利用大量河道山地灾害图片数据完成了Caffenet等多个深度模型的训练,并结合迁移学习方法,使河道山地灾害识别准确率最终达到90%以上,为河道山地灾害快速识别、群防群测体系的完善提供了新思路.
河道山地灾害、卷积神经网络、图像识别、川藏公路
TU43(土力学、地基基础工程)
国家重点研发计划资助项目2016YFC0401600,2017YFC0404906;国家自然科学基金资助项目51779035,51769033;中央高校基本科研业务费项目DUT17ZD205
2019-06-28(万方平台首次上网日期,不代表论文的发表时间)
共6页
65-70