隨著我國高速公路建設的加快,施工中隧道地質(zhì)超前預報是施工安全保障的重要手段之一,其中探地雷達（Ground Penetrating Radar,GPR）圖像的判讀是隧道地質(zhì)超前預報中的關鍵步驟,如何提高探地雷達圖像判讀準確率一直是該領域的研究熱點。本文結(jié)合卷積神經(jīng)網(wǎng)絡在圖像識別中的優(yōu)勢,研究并實現(xiàn)高效的隧道GPR圖像分類模型,并對卷積神經(jīng)網(wǎng)絡模型壓縮做了相關研究。在實際工程中,隧道GPR圖像存在復雜多變,難以識別等問題,所以傳統(tǒng)的機器學習方法很難有效提高對GPR圖像的識別準確率。因此,本文采用遷移學習和數(shù)據(jù)擴增的技術(shù)改進了典型VGG-16（Visual Geometry Group-16）網(wǎng)絡模型,旨在使用較少的標記樣本充分訓練卷積神經(jīng)網(wǎng)絡,以有效提高模型對隧道GPR圖像的識別準確率。并在此基礎上進一步研究發(fā)現(xiàn),基于遷移學習改進的VGG-16網(wǎng)絡模型存在模型體積龐大、預測時間久等問題,不利于將該網(wǎng)絡模型部署在嵌入式設備中。因此,本文在研究相關模型壓縮技術(shù)后,采用通道剪枝和權(quán)值量化的方式對改進的VGG-16網(wǎng)絡模型進行優(yōu)化。首先,遷移學習階段使用VisTex紋理數(shù)據(jù)庫作為源域數(shù)據(jù),在Ca... 

【文章來源】：長安大學陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：78 頁

【學位級別】：碩士

【部分圖文】：

本文技術(shù)路線圖

探地雷達結(jié)構(gòu)示意圖

SIR-300探地雷達

【參考文獻】：
期刊論文
[1]深度網(wǎng)絡模型壓縮綜述[J]. 雷杰,高鑫,宋杰,王興路,宋明黎.  軟件學報. 2018(02)
[2]探地雷達的常見干擾和不良地質(zhì)體的超前預報在隧道工程中的應用[J]. 岳全貴,張楊,肖國強,周黎明.  長江科學院院報. 2017(08)
[3]基于CNN技術(shù)的探地雷達線測圖分類解釋模型[J]. 郭玉錦,陳旭陽,趙耀華.  公路交通科技(應用技術(shù)版). 2017(07)
[4]隧道綜合超前地質(zhì)預報技術(shù)及其工程應用[J]. 周輪,李術(shù)才,許振浩,李利平,黃鑫,何樹江,李國豪.  山東大學學報(工學版). 2017(02)
[5]卷積神經(jīng)網(wǎng)絡研究綜述[J]. 周飛燕,金林鵬,董軍.  計算機學報. 2017(06)
[6]提高探地雷達時域接收機性能的技術(shù)研究[J]. 趙翠榮,彭宇,胡通海.  現(xiàn)代電子技術(shù). 2015(01)
[7]隧道襯砌背后積水地質(zhì)雷達檢測模型試驗研究[J]. 楊艷青,高永濤,賀少輝,齊法琳.  中國鐵道科學. 2014(06)
[8]遷移學習研究進展[J]. 莊福振,羅平,何清,史忠植.  軟件學報. 2015(01)
[9]超寬帶探地雷達探測性能研究[J]. 李文超,王緒本,鄧薇.  成都理工大學學報(自然科學版). 2008(02)
[10]探地雷達應用概述[J]. 李嘉,郭成超,王復明,張景偉.  地球物理學進展. 2007(02)



本文編號：3561575