摘要
本发明公开一种基于半监督学习的沥青路面缺陷的检测辨识方法,包括:将待识别的沥青路面图像输入训练获得的卷积神经网络模型,基于最佳缺陷值阈值判定待识别的沥青路面图像是完好还是出现缺陷的预测结果;训练获得卷积神经网络模型包括:基于卷积神经网络ResNet‑18,构建卷积神经网络模型;基于预先获取的完好沥青路面图像构建训练集,将训练集输入卷积神经网络模型,卷积神经网络模型进行沥青路面图像特征的提取,获得提取的图像补丁;将提取的图像补丁进行扁平化,获得训练集的图像补丁空间特征向量;融合所有训练集的图像补丁空间特征向量并进行随机采样。本发明采用半监督学习策略,仅采用易收集的完好沥青路面图像作为训练集。
技术关键词
沥青路面
检测辨识方法
卷积神经网络模型
半监督学习
补丁
图像
积层
构建卷积神经网络
过滤器
构建训练集
监督学习策略
模块
热力图
处理器
曲线
指标
度量
可读存储介质
系统为您推荐了相关专利信息
集成学习方法
数据故障诊断
标签
分类器训练
堆叠方法
上采样
融合图像特征
卷积神经网络模型
智能检测方法
编码器
卷积神经网络模型
训练图像数据
顶点
间距
监测方法