基于Faster R-CNN算法的探地雷达管线目标智能识别

• 作者: 方宏远 王复明 胡浩帮 董家修
• 来源期刊: 城市勘测
• 学科: 工学
• 关键词: 探地雷达 目标检测与识别 深度学习 FasterR-CNN
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 勘察工程
• 页码范围: 203-208
• 页数: 6页
• 分类号: TU992|TN959.3
• 字数: 3295字
• 语种: 中文

摘要

针对传统识别探地雷达管线目标图像时速度较慢、难以识别多个相交的双曲线特征的缺点,文章提出了一种基于区域选择的目标检测与识别算法,搭建了基于Caffe深度学习框架的图像检测试验平台.采用郑州市地下管线检测的实测探地雷达剖面图像,对Faster R-CNN模型进行对比分析和优化改进,选择试验效果较优的网络模型检测识别样本数据集.试验结果表明,模型识别的平均正确率(Average Precision,AP)可达90％以上,具有良好的识别效果与噪声鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王复明	郑州大学水利科学与工程学院	117	1612	21.0	34.0
2	方宏远	郑州大学水利科学与工程学院	16	50	3.0	6.0
3	胡浩帮	郑州大学水利科学与工程学院	2	1	1.0	1.0
4	董家修	郑州大学水利科学与工程学院	1	0	0.0	0.0