基于深度主动学习的路面裂纹检测

摘要：

道路裂纹检测是道路日常管理中的重要工作,基于机器视觉的缺陷检测方法已广泛应用于道路裂纹检测.基于图像处理的方法需要人工提取裂纹特征,导致这类方法的通用性不强和准确性不高.基于深度学习的方法需要大量标注数据训练模型,标注工作费时费力,训练集类别数据不平衡会造成深度学习模型的训练效果差.针对上述问题,笔者提出一种基于基尼指数的深度主动学习方法并用于路面裂纹检测.该方法使用未标注的路面图像通过深度神经网络计算其基尼系数值,用基尼指数值作为主动学习判断依据,从大量未标注数据集中选择信息量丰富的样本进行标注,再用卷积神经网络训练主动学习选择并标注的样本.实验结果表明,该方法在道路裂纹检测任务中的准确率达到99.45％,且能够减少81.08％的数据标注工作.

关键词：卷积神经网络;主动学习;道路裂纹检测;数据标注;基尼指数

所属期刊栏目：33

分类号：U418.6(道路工程)

资助基金：广东省科技研发专项"消防应急救援车辆关键技术研发与产业化"项目编号:2015B090923001

在线出版日期：2021-09-22（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：76-80