基于V GG深度卷积神经网络和空间分布的道路裂纹种类识别

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于V GG深度卷积神经网络和空间分布的道路裂纹种类识别

王相龙, 胡钊政, 穆孟超, 陶倩文, 张帆

文章导航 > 交通信息与安全 > 2019 > 37(6): 95-102

王相龙, 胡钊政, 穆孟超, 陶倩文, 张帆. 基于V GG深度卷积神经网络和空间分布的道路裂纹种类识别[J]. 交通信息与安全, 2019, 37(6): 95-102. doi: 10.3963/j.issn.1674-4861.2019.06.012

引用本文:

王相龙, 胡钊政, 穆孟超, 陶倩文, 张帆. 基于V GG深度卷积神经网络和空间分布的道路裂纹种类识别[J]. 交通信息与安全, 2019, 37(6): 95-102. doi: 10.3963/j.issn.1674-4861.2019.06.012

WANG Xianglong, HU Zhaozheng, MU Mengchao, TAO Qianwen, ZHANG Fan. Crack Classification Using VGG Deep Convolutional Neural Network and Crack Spatial Analysis[J]. Journal of Transport Information and Safety, 2019, 37(6): 95-102. doi: 10.3963/j.issn.1674-4861.2019.06.012

Citation:

WANG Xianglong, HU Zhaozheng, MU Mengchao, TAO Qianwen, ZHANG Fan. Crack Classification Using VGG Deep Convolutional Neural Network and Crack Spatial Analysis[J]. Journal of Transport Information and Safety, 2019, 37(6): 95-102. doi: 10.3963/j.issn.1674-4861.2019.06.012

王相龙, 胡钊政, 穆孟超, 陶倩文, 张帆. 基于V GG深度卷积神经网络和空间分布的道路裂纹种类识别[J]. 交通信息与安全, 2019, 37(6): 95-102. doi: 10.3963/j.issn.1674-4861.2019.06.012

引用本文:

王相龙, 胡钊政, 穆孟超, 陶倩文, 张帆. 基于V GG深度卷积神经网络和空间分布的道路裂纹种类识别[J]. 交通信息与安全, 2019, 37(6): 95-102. doi: 10.3963/j.issn.1674-4861.2019.06.012

WANG Xianglong, HU Zhaozheng, MU Mengchao, TAO Qianwen, ZHANG Fan. Crack Classification Using VGG Deep Convolutional Neural Network and Crack Spatial Analysis[J]. Journal of Transport Information and Safety, 2019, 37(6): 95-102. doi: 10.3963/j.issn.1674-4861.2019.06.012

Citation:

WANG Xianglong, HU Zhaozheng, MU Mengchao, TAO Qianwen, ZHANG Fan. Crack Classification Using VGG Deep Convolutional Neural Network and Crack Spatial Analysis[J]. Journal of Transport Information and Safety, 2019, 37(6): 95-102. doi: 10.3963/j.issn.1674-4861.2019.06.012

基于V GG深度卷积神经网络和空间分布的道路裂纹种类识别

doi: 10.3963/j.issn.1674-4861.2019.06.012

武汉理工大学智能交通系统研究中心武汉 430063
武汉理工大学智能交通系统研究中心武汉 430063
武汉理工大学智能交通系统研究中心武汉 430063
武汉理工大学智能交通系统研究中心武汉 430063
武汉理工大学智能交通系统研究中心武汉 430063

基金项目:

国家自然科学基金项目

湖北省留学人员科技活动项目择优资助经费项目

中图分类号: TP394.1 U495
计量
- 文章访问数: 396
- HTML全文浏览量: 89
- PDF下载量: 4
- 被引次数: 0
出版历程
- 刊出日期: 2019-12-28

Crack Classification Using VGG Deep Convolutional Neural Network and Crack Spatial Analysis

摘要: 为了检测道路裂纹种类从而掌握路面状况信息进而为路面养护提供依据,研究了结合改进VGG卷积神经网络和空间分布的道路裂纹种类的识别方法.通过改进VGG网络的输入层和FC层神经元的个数,解决基于灰度图的裂纹子块的二分类识别问题,并对比不同结构的VGG网络框架在裂纹分割的结果,确定VGG11是解决基于灰度图的裂纹分割的最佳网络结构,利用基于子块的连通区域方法去除噪声子块,通过主成因分析方法提取裂纹子块的空间分布向量和对应分布系数,根据空间分布系数的比值识别道路裂纹类型.利用不同地点采集的180张裂纹图像对该方法进行验证.结果表明,该方法在识别横向裂纹、纵向裂纹和网状裂纹的正确率分别为97.6%,97.3% 和95.4%.该方法可有效地识别道路裂纹种类,特别在油污等路面复杂状况下,该方法依然具有较好的检测结果.
- 道路工程 /
- 道路裂纹识别 /
- 深度学习 /
- PCA /
- 裂纹图像处理

参考文献(0)

资源附件(0)

WeChat

点击查看大图

计量

文章访问数: 396
HTML全文浏览量: 89
PDF下载量: 4
被引次数: 0

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

版权所有《交通信息与安全》编辑部鄂ICP备05003336号-2

通信地址：湖北省武汉市武昌区和平大道1178号，武汉理工大学余家头校区 (430063)

联系电话：027-86580355电子邮箱：jtjsj@vip.163.com

本系统由北京仁和汇智信息技术有限公司开发