基于深度残差反向传播神经网络的钢筋腐蚀检测

摘要：

针对小样本数据下浅层神经网络模型拟合能力不足,而加深网络层数出现网络性能退化问题,提出一种双跳跃深度残差反向传播(back propagation,BP)神经网络模型,每个残差块堆叠3个同维度网络层,在网络的一、二层和一、三层之间加入双跳跃连接,增强浅层低非线性度特征信息向深层网络的直接传递和重复利用,且在反向传播过程中避免了梯度消失,提升模型分类准确率.同时引入一阶矩估计梯度指数加权平均因子对Adam算法中影响学习率的二阶矩估计梯度进行调整,优化网络的收敛能力.将改进后的算法模型用于钢筋腐蚀样本数据训练及测试,仿真结果表明,改进后的算法模型具有更好的分类性能.

关键词：钢筋腐蚀;腐蚀检测;双跳跃残差模块;残差映射;Adam算法;神经网络

所属期刊栏目：21

分类号：TU528.33(建筑材料)

在线出版日期：2021-12-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：14351-14355