使用CNN和AlexNet进行坑洼检测-研究论文

【文件属性】：
文件名称：使用CNN和AlexNet进行坑洼检测-研究论文
文件大小：629KB
文件格式：PDF
更新时间：2021-05-20 19:29:18
Spectral clustering Region growing Erosion 道路维修是避免事故，交通繁忙和限制维护成本的挑战之一。 由于恶劣的环境条件和道路的大量使用，形成了坑洞。 当前用于检测坑洼的程序通常是手动的，因此更加耗时。 本文使用两种方法，即光谱聚类（SC）和深度学习技术，对坑洼进行检测。 在第一种方法中，输入图像通过SC和形态运算进行处理。 使用阈值分类器检测坑洼。 该方法不需要任何训练阶段即可检测出坑洼。 CNN和AlexNet是检测坑洼的第二种方法。 在由300个包含坑洞和非坑洞图像的图像组成的平衡数据集上测试了两种方法。 由于深度学习训练需要更多图像，因此这可以通过使用数据增强来增加数据集的大小来实现。 通过使用CNN和AlexNet，与频谱聚类的方法相比，其准确性得到了极大的提高。