基于Grad-CAM的探地雷达公路地下目标检测算法

• 作者: 叶盛波 周斌 赵迪
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 探地雷达 深度学习 目标检测 梯度类激活热力图
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 信息技术及图像处理
• 页码范围: 113-118
• 页数: 6页
• 分类号: TP2
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.2004094

摘要

提出了一种基于卷积神经网络(convolutional neural networks,CNN)与梯度类激活热力图(gradient class activation map,Grad-CAM)的探地雷达公路地下目标检测方法.首先使用标记好的探地雷达图像数据集训练一个用于图像分类的CNN,然后基于训练完成的CNN对图像计算Grad-CAM激活图,将获得的激活图进行二值化,定位目标位置.构建了一个包括了5 000张探地雷达图像的数据集,并使用该数据集进行实验,其中4 000张图像用来训练模型,1 000张用来测试.在1 000张测试数据中,各个类别的召回率分别为:管线目标99.2％,地下空洞98.5％,无目标图像98.8％o.目标定位结果与实际位置非常吻合.这些结果表明该方法能够有效的检测探地雷达图像中的目标.