在城市道路的病害体探测方面,国内外普遍使用探地雷达进行检测,在探地雷达成果图像的异常体解释识别中,动辄几十条上千米的测线极大地增加了解释人员的工作时间,对它的判读容易造成人脑疲劳,增大误判率。本文对Google开源的TensorFlow...在城市道路的病害体探测方面,国内外普遍使用探地雷达进行检测,在探地雷达成果图像的异常体解释识别中,动辄几十条上千米的测线极大地增加了解释人员的工作时间,对它的判读容易造成人脑疲劳,增大误判率。本文对Google开源的TensorFlow框架下YOLO(you only look once)神经网络模型进行了训练和识别,测试了人工智能下的深度学习对探地雷达数据资料解释的有效性。展开更多
文摘在城市道路的病害体探测方面,国内外普遍使用探地雷达进行检测,在探地雷达成果图像的异常体解释识别中,动辄几十条上千米的测线极大地增加了解释人员的工作时间,对它的判读容易造成人脑疲劳,增大误判率。本文对Google开源的TensorFlow框架下YOLO(you only look once)神经网络模型进行了训练和识别,测试了人工智能下的深度学习对探地雷达数据资料解释的有效性。
