基于迁移学习与VGG16深度神经网络的建筑物裂缝检测方法

• 作者: 夏坚 周利君 张伟
• 来源期刊: 福建建设科技
• 关键词: 迁移学习 图像预处理 VGG16网络 建筑裂缝检测
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 建筑结构
• 页码范围: 19-22,60
• 页数: 5页
• 语种: 中文
• DOI: 10.3969/j.issn.1006-3943.2022.01.006

摘要

针对传统的裂缝检测方法存在裂缝样本数量少、检测效率低下、准确率不高等问题,本文提出了一种迁移学习与VGG16深度神经网络相结合的新型裂缝检测方法.该检测方法主要包括三个步骤;首先将获取的裂缝图像进行缩放、裁剪、翻转等预处理来进行数据集的增强;其次在ImageNet数据集上进行网络的预训练,并将VGG16深度神经网络作为基础网络,将预训练的权重迁移到建筑物裂缝数据集进行训练;最后对训练好的网络进行测试.实验结果表明,该方法在建筑物裂缝数据集上的准确率达到92.20％,相较于只使用VGG16深度网络,其准确率提高了2.06％.研究表明,采用基于VGG16深度神经网络与迁移学习相结合的裂缝检测方法能够解决样本数量较少,准确率不高的问题,可为建筑物裂缝检测提供新的解决途径.