[发明专利]基于卷积神经网络间迁移学习的桥梁支座病害识别方法在审
| 申请号： | 201810066766.8 | 申请日： | 2018-01-24 |
| 公开（公告）号： | CN108363961A | 公开（公告）日： | 2018-08-03 |
| 发明（设计）人： | 崔弥达;吴刚;蒋剑彪;杨美群 | 申请（专利权）人： | 东南大学;北京九通衢检测技术股份有限公司;江西赣粤高速公路股份有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62 |
| 代理公司： | 南京苏高专利商标事务所(普通合伙) 32204 | 代理人： | 曾教伟 |
| 地址： | 210018*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明的一种基于卷积神经网络间迁移学习的桥梁支座病害识别方法，包括以下步骤：获取桥梁支座病害照片，并为每张照片赋予标签信息；运用图像处理的方法，增加用于训练卷积神经网络的数据量；将训练集和测试集中的所有图片缩放成预定大小的彩色图，并进行图像预处理；获取一个在其他数据集上已经训练好的卷积神经网络模型；以知识迁移的方式，得到具有自动识别桥梁支座病害功能的卷积神经网络模型。本发明的一种基于卷积神经网络的桥梁支座病害自动识别方法，通过知识迁移模式训练卷积神经网络在精度，收敛速度上具有明显的优势而且大大减少了训练神经网络所需的数据量，对于病害场景复杂且数据不易收集的桥梁支座病害具有一定的现实意义。 | ||
| 搜索关键词： | 卷积神经网络 桥梁支座 病害 病害识别 知识迁移 自动识别 数据量 迁移 训练神经网络 图像预处理 标签信息 模式训练 图片缩放 图像处理 现实意义 彩色图 数据集 训练集 收敛 测试 场景 学习 赋予 | ||
【主权项】：
1.一种基于卷积神经网络的桥梁支座病害自动识别方法，其特征在于，包括以下步骤：S1：获取桥梁支座病害照片，并为每张照片赋予标签信息，标签信息对应于照片所属的桥梁支座病害类型；S2：运用图像处理的方法，增加用于训练卷积神经网络的数据量；S3：将获取的桥梁支座病害照片划分训练集和测试集，训练集用于训练卷积神经网络，测试集用于测试网络，并把训练集与测试集中的所有图片缩放成预定大小的彩色图，并进行图像预处理；S4：获取一个在其他数据集上已经训练好的卷积神经网络模型，并根据桥梁支座病害识别的要求调整该卷积神经网络的输出层节点个数；S5：以知识迁移的方式，用经过预处理的桥梁支座照片训练卷积神经网络，使用梯度下降与误差反向传播算法调整全连接层的权值，得到具有自动识别桥梁支座病害功能的卷积神经网络模型。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于东南大学;北京九通衢检测技术股份有限公司;江西赣粤高速公路股份有限公司，未经东南大学;北京九通衢检测技术股份有限公司;江西赣粤高速公路股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810066766.8/，转载请声明来源钻瓜专利网。
