基于深层卷积神经网络的公路边坡灾害识别研究

• 作者: 吴佳涛 张建龙 束景晓
• 来源期刊: 公路交通科技·应用技术版
• 学科: 交通运输
• 关键词: 深度学习 卷积神经网络 高速边坡灾害 人工神经网络训练 图像识别
• 年，卷（期）: 2017,（10）
• 所属期刊栏目: 道路工程
• 页码范围: 70-74
• 页数: 5页
• 分类号: U41
• 语种: 中文

摘要

人工检测公路边坡灾害,费时费力,效率和识别率较低,随着以深度卷积神经网络为代表的深度学习技术在图像目标识别方面取得的卓越成绩,为实现公路边坡灾害图像自动检测提供了新的思路.有鉴于此,针对传统人工方案存在的问题,本文设计了基于深度卷积神经网络实现公路边坡灾害自动识别系统.系统由预处理、深度学习网络模型及后处理三部分构成,在深度学习开源Caffe开发环境下,实现了AlexNet和GoogLeNet深度学习网络模型并采用大量公路边坡数据完成模型训练.通过对公路边坡实测数据的分类试验,本方案的边坡灾害识别率达到90％左右,表明基于深度学习的公路边坡检测方案可有效完成公路边坡灾害识别任务,有效替代传统人工检测方式.