基于深度主动学习的路面裂纹检测算法研究

来源 :广东工业大学 | 被引量 : 0次 | 上传用户:jwh346048162
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着我国的交通基础设施发展迅速,公路建设是其中建设的重点,路面裂纹检测技术对于道路维护,行车安全,交通通行效率有着重要作用。近年来,基于深度学习的路面裂纹检测技术取得了长足发展。但是基于深度学习的路面裂纹检测还存在一些不足,首先,深度学习的训练过程需要大量标注数据,标注大量路面样本费时费力。其次,在采集路面数据过程中,有无裂纹类别的数据量是不平衡的。大部分路面图像都是无裂纹的,这些无裂纹图像若交由人工判断是否标注会浪费时间。若标注全部采集的路面图像,数据类别不平衡的数据集会影响深度学习模型的精度。本文的主要研究内容如下:为解决深度学习在训练中需要大量标注数据和路面图像类别不平衡的情况。提出一种融合卷积神经网络与主动学习的算法框架并用于路面裂纹检测。在本文中,ResNet50网络承担两份任务。第一,作为特征提取网络,提取路面图像的特征;第二,用于预测未标注图像对应类别的后验概率分布,属于主动学习部分。首先将未标注路面图像输入ResNet50网络,生成未标注路面图像裂纹估计对应类别的后验概率分布;接着由未标注路面图像裂纹估计的后验概率分布计算该路面图像的不确定性;再根据裂纹估计的不确定性值判断该样本包含信息(特征)是否丰富,选择信息丰富的数据交由专家标注。最后使用专家标注的路面图像微调ResNet50网络。提出基于基尼系数的主动学习方法。总结现有基于不确定性主动采样策略,大多使用信息熵作为不确定性的计算度量,此外,还有论文引入KL散度、交叉熵作为不确定性度量。这三种方法在信息论中用于描述信息量丰富程度和不确定性。因此,尝试将同类的基尼系数应用于主动学习采样策略计算未标注道路图像的不确定性。实验证明,本文提出用于路面裂纹检测的深度主动学习方法,能主动从未标注路面图像集中选择信息丰富的道路图像训练ResNet50网络,有效减少80%左右的道路图像标注工作。在未标注路面数据集类别不平衡的情况下,深度主动学习方法相比深度学习随机选择数据的方法在精确率,召回率,F1值几个评价指标上更优。此外,本文提出的基于基尼系数的主动采样策略相比最小置信度,信息熵两种主动采样策略在减少数据标注工作上提升了1.93%和2.26%。在训练过程中,基于基尼系数的深度主动学习方法准确率收敛速度和交叉熵损失收敛速度提升更快。
其他文献
"十三五"时期,青海省生态环境保护宣传教育工作深入学习宣传习近平生态文明思想和习近平总书记考察青海重要讲话精神,紧紧围绕党中央国务院和生态环境部关于生态文明建设和生态环境保护决策部署,贯彻落实全国生态环境大会和全国生态环境宣传工作会议目标要求,成功举办六五环境日国家主场活动,不断提高生态环境新闻宣传能力水平,广泛动员社会各界深入打好污染防治攻坚战,奋力营造了人人、事事、时时、处处崇尚生态文明
期刊
目前各个大学都在尝试将专业课程、思想政治课程和综合素质课程相结合,使其实现教育的目的。本文研究了双语专业课程的课程思政教学方法,解决了学习国外先进知识和技术与爱国主义情操培养之间的矛盾,英文讲授与思政教育之间的矛盾,以及有限学时及增加思政教育内容之间的矛盾。并将行动导向法引入到本科的双语专业教学中,引入到课程思政教育中,利用行动导向法的教学方式,在专业课讲授过程中渗透课程思政教育。
以立德树人为根本任务,瞄准交通强国战略需求,结合东南大学交通运输工程世界一流学科建设任务,坚持价值引领、能力提升和知识传授有机融合,将社会主义核心价值观、家国情怀、社会责任、创新意识、科学素养、工程伦理和工匠精神等思政教育目标有机地融汇、贯穿在交通规划概论、先进理念、交通需求、交通供给和交通评估等方面的理论知识传授过程中。综合运用案例教学、研讨交流等方式,切实、合理地将"课程思政"的教学目标融入交
随着思政理念的深入贯彻,思政理念与专业课程的融合问题引起越来越多的关注。文章对专业课程融入思政理念的教学设计方法进行研究,主要从为何学、学什么、如何学、学得怎么样四个方面展开,从而系统探讨专业课课程思政内容的融入路径。
危险废物的存在不仅不利于我国环境的保护,还会对人体健康、社会环境等多方面造成严重威胁,尤其是在新时期我国提出生态环境保护理论后,有关部门更需注重危险废物的处理处置。基于此,本文以新时期危险废物的危害为基础,深入分析新时期危险废物的处理技术,继而指明新时期危险废物的处置途径,以供参考。
基于压缩感知的信号处理技术无需遵循奈奎斯特采样定理,能有效减少传输的数据量进而降低设备的能耗,适用于需要处理大规模数据但资源极度受限的场景。例如在物联网的传感器网络节点中,由微小电池供电的设备难以处理和传输不断增长的庞大数据量。压缩感知的出现提供了新的解决方案,因此受到了广泛的关注和研究。然而,经过压缩的信号在重构过程中会损失部分精度,为了提升恢复效果,需要使用适宜的测量和重构方法,性能良好的测量
在图形学流体模拟领域中,SPH方法已经逐渐成为模拟流体的主流方法。SPH方法的基本思想是把流体计算空间离散成一个个粒子,通过核函数估算的方式对每一个粒子进行受力分析,在力的作用下移动粒子,从而形成流动的液体。其中,光滑长度的大小非常重要,很大程度上决定了核估算的精度。如果光滑长度太小,则支持域内没有充足的粒子,核估算会带来很多误差,严重降低计算的精度。如果光滑长度太大,则支持域内粒子数过多,削弱了
公路运输是我国重要的运输途径之一,每年承载着超过三百亿吨的货物运输量。目前,我国货物运输的主要形式是以货物运输管理平台为枢纽,由各运输管理平台掌控着货物运输的需求,而货运驾驶员一般以1-3人为主,也接入到管理平台进行驾驶员安全监管和绩效分析。随着对车辆驾驶员监管力度的提高,通过车载终端等设备和运输管理平台来记录和分析车辆运输安全状况及驾驶行为十分必要。如何利用管理平台的大数据挖掘有用的信息,用于规
近年来,人脸识别作为一种基于脸部特征信息进行身份识别的生物识别技术,在智能安防、金融交易、公共交通等领域都有着广泛应用。随着硬件性能的提升和软件算法的改进,人脸识别技术也日趋成熟。不过,由于人脸在不同姿态下差异性很大,对大偏角的人脸图像进行识别仍然存在许多挑战;同时,多姿态人脸数据库的样本不足会对后续的多姿态人脸识别模型训练造成一定困难。针对上述问题,本文提出了基于生成对抗网络的人脸转正算法和多姿
客流统计技术是当前城市智能公交发展的研究重点,随着大数据的发展,如何精确获取客流数据具有重要的研究价值。通过统计站与站、线路与线路之间的实时客流量,分析市民出行“起点-终点”情况,动态指导公交管理部门制定运营计划,从而实现公交线网的优化、调度、预测以及公交资源利用的最大化。然而,由于公交车内特殊的场景环境,乘客非刚性、光照干扰、车身抖动严重等一系列问题,使得目前还没有一套较完善的解决方案。针对上述