[发明专利]一种基于迁移学习的大坝图像裂缝检测方法有效
| 申请号： | 201810972498.6 | 申请日： | 2018-08-24 |
| 公开（公告）号： | CN109345507B | 公开（公告）日： | 2021-07-13 |
| 发明（设计）人： | 刘凡;杨丽洁;毛莺池;许峰;辛仰鑫 | 申请（专利权）人： | 河海大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06N3/04;G06N3/08 |
| 代理公司： | 南京经纬专利商标代理有限公司 32200 | 代理人： | 施昊 |
| 地址： | 211100 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于迁移学习的大坝图像裂缝检测方法，步骤：收集大坝裂缝图像，通过生成式对抗网络GAN对图像数据集进行预处理以填充数据集；采用不保留顶层全连接层的预训练模型MobileNet来提取图像特征，并在MobileNet后拼接Flatten层，在Flatten层后拼接一层激活函数为ReLU的全连接层，最后拼接一层激活函数为Sigmoid的全连接层作为输出层；对MobileNet中的前K个深度可分解卷积结构进行冻结，固定这K个深度可分解卷积结构的相关权重；对模型进行训练，在模型训练过程中仅更新未冻结的网络层的权重；利用训练好的模型在图像中对大坝裂缝的检测。本发明解决了小数据集情况下的过拟合问题，并通过迁移学习思想提高了预测性能和运行速度。 | ||
| 搜索关键词： | 一种 基于 迁移 学习 大坝 图像 裂缝 检测 方法 | ||
【主权项】：
1.一种基于迁移学习的大坝图像裂缝检测方法，其特征在于，包括以下步骤：(1)收集大坝裂缝图像，通过生成式对抗网络GAN，对图像数据集进行预处理以填充数据集，从而减小因数据集数量不够而产生过拟合的影响；(2)构建网络模型：采用不保留顶层全连接层的预训练模型MobileNet来提取图像特征，并在MobileNet后拼接Flatten层，在Flatten层后拼接一层激活函数为ReLU的全连接层，最后拼接一层激活函数为Sigmoid的全连接层作为输出层；MobileNet包含13个深度可分解卷积结构；(3)对MobileNet中的前K个深度可分解卷积结构进行冻结，固定这K个深度可分解卷积结构的相关权重，1≤K≤13；(4)模型训练：将损失函数loss设置为对数损失，对模型进行训练，在模型训练过程中仅更新未冻结的网络层的权重；(5)模型训练完成后，通过使用滑动窗口截取测试图像在不同位置的窗口图像作为输入数据在模型中进行识别，根据输出结果判断该位置是否有裂缝，实现在图像中对大坝裂缝的检测。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于河海大学，未经河海大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810972498.6/，转载请声明来源钻瓜专利网。
