| 基于Faster R-CNN的道路裂縫識別 | |
| 所屬分類：技術(shù)論文 | |
| 上傳者：aetmagazine | |
| 文檔大小：719 K | |
| 標(biāo)簽： 機(jī)器學(xué)習(xí) 深度學(xué)習(xí) 卷積神經(jīng)網(wǎng)絡(luò) | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：傳統(tǒng)的道路裂縫識別方法有基于R-CNN、SPPnet、HOG+SVM等多種方法，但識別精度低、檢測速度慢。針對這些缺點(diǎn)，提出一種基于Faster R-CNN的道路裂縫識別方法。首先，采集道路裂縫圖像，建立Pascal VOC數(shù)據(jù)集；其次，基于谷歌開發(fā)的TensorFlow深度學(xué)習(xí)框架，用數(shù)據(jù)集對Faster R-CNN進(jìn)行訓(xùn)練并分析各項(xiàng)性能參數(shù)指標(biāo)。實(shí)驗(yàn)結(jié)果表明，在迭代20 000次的情況下，可將訓(xùn)練損失降到0.188 5，AP值達(dá)到0.780 2，取得了良好效果。 | |
| 現(xiàn)在下載 | |
| VIP會員，AET專家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。 | |
機(jī)器學(xué)習(xí) 相關(guān)資源
- 基于數(shù)據(jù)驅(qū)動的網(wǎng)絡(luò)安全態(tài)勢感知預(yù)測
- 基于大模型的事件抽取技術(shù)及軍事應(yīng)用思考
- 機(jī)器學(xué)習(xí)在惡意加密流量檢測中的應(yīng)用及研究
- 面向機(jī)器學(xué)習(xí)建模的數(shù)據(jù)治理技術(shù)路徑研究
- 基于機(jī)器學(xué)習(xí)的智能傳感器綜述
- 基于字節(jié)序列頻域采樣的惡意軟件分類
- 基于機(jī)器學(xué)習(xí)的網(wǎng)絡(luò)入侵檢測技術(shù)綜述
- 面向社交平臺應(yīng)急關(guān)聯(lián)信息的文本分類綜述
Copyright ? 2005-2024 華北計(jì)算機(jī)系統(tǒng)工程研究所版權(quán)所有 京ICP備10017138號-2