隨著數(shù)據(jù)量的爆炸式增長(zhǎng)和計(jì)算機(jī)硬件水平和運(yùn)算能力的提升,以卷積神經(jīng)網(wǎng)絡(luò)（CNN）為主體框架的深度學(xué)習(xí)逐漸發(fā)展起來,并在多個(gè)領(lǐng)域取得了較好的應(yīng)用。圖像中裂縫的自動(dòng)識(shí)別,無論在道路或隧道維護(hù)還是對(duì)于裂縫型油氣藏的探測(cè)等方面都起著至關(guān)重要的作用,因此將卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于裂縫圖像的識(shí)別也頗具意義。本文工作主要分為三方面:第一,針對(duì)CNN中優(yōu)化算法存在的一些不足,提出了將遺傳思想與梯度下降法相結(jié)合的進(jìn)化梯度算法,并在卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于手寫體識(shí)別的實(shí)驗(yàn)中驗(yàn)證了該方法的可行性和優(yōu)越性;第二,將提出的進(jìn)化梯度算法應(yīng)用于裂縫圖像的識(shí)別,并基于裂縫圖像的顏色變化和圖像中裂縫形狀的特性,提出了改進(jìn)的超像素分割算法,用于對(duì)裂縫圖像中裂縫位置和形狀等基本信息的提取;第三,為實(shí)現(xiàn)裂縫圖像端對(duì)端的識(shí)別過程,使用了基于卷積神經(jīng)網(wǎng)絡(luò)的語義分割算法Segnet對(duì)裂縫圖像進(jìn)行訓(xùn)練學(xué)習(xí),并在訓(xùn)練之前使用數(shù)據(jù)增強(qiáng)技術(shù)建立了大規(guī)模的帶有精準(zhǔn)標(biāo)簽的裂縫數(shù)據(jù)庫(kù),用于解決裂縫圖像訓(xùn)練集過少的問題,訓(xùn)練結(jié)果良好,可直接得到裂縫圖像中裂縫的準(zhǔn)確位置信息�？傮w上,本文提出的改進(jìn)CNN在處理手寫數(shù)字識(shí)別和裂縫圖像識(shí)別方面取得了較好的效果,并利... 

【文章來源】：中國(guó)石油大學(xué)(北京)北京市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：55 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)對(duì)圖像的識(shí)別與FCN對(duì)圖像的語義分割的對(duì)比[19]

中國(guó)石油大學(xué)（北京）碩士學(xué)位論文-7-圖2.2U-NET的網(wǎng)絡(luò)結(jié)構(gòu)展示[27]Fig.2.2U-NETnetworkstructure圖2.3各個(gè)領(lǐng)域基于卷積神經(jīng)網(wǎng)絡(luò)的語義分割方法[29]Fig.2.3ASurveyofSemanticSegmentationMethodsBasedonConvolutionalNeuralNetworksinVariousFields

中國(guó)石油大學(xué)（北京）碩士學(xué)位論文-7-圖2.2U-NET的網(wǎng)絡(luò)結(jié)構(gòu)展示[27]Fig.2.2U-NETnetworkstructure圖2.3各個(gè)領(lǐng)域基于卷積神經(jīng)網(wǎng)絡(luò)的語義分割方法[29]Fig.2.3ASurveyofSemanticSegmentationMethodsBasedonConvolutionalNeuralNetworksinVariousFields

【參考文獻(xiàn)】：
期刊論文
[1]自適應(yīng)深度卷積神經(jīng)網(wǎng)絡(luò)模型構(gòu)建方法[J]. 鄒國(guó)鋒,傅桂霞,王科俊,高明亮,申晉.  北京郵電大學(xué)學(xué)報(bào). 2017(04)
[2]卷積神經(jīng)網(wǎng)絡(luò)的研究進(jìn)展綜述[J]. 楊斌,鐘金英.  南華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(03)
[3]基于DCNN的圖像語義分割綜述[J]. 魏云超,趙耀.  北京交通大學(xué)學(xué)報(bào). 2016(04)
[4]基于圖像處理的地鐵隧道裂縫識(shí)別算法研究[J]. 王耀東,余祖俊,白彪,許西寧,朱力強(qiáng).  儀器儀表學(xué)報(bào). 2014(07)
[5]測(cè)井及地震裂縫識(shí)別研究進(jìn)展[J]. 孫煒,李玉鳳,付建偉,李天義.  地球物理學(xué)進(jìn)展. 2014(03)
[6]深度學(xué)習(xí)研究綜述[J]. 孫志軍,薛磊,許陽明,王正.  計(jì)算機(jī)應(yīng)用研究. 2012(08)
[7]基于圖像局部網(wǎng)格特征的隧道襯砌裂縫自動(dòng)識(shí)別[J]. 王平讓,黃宏偉,薛亞東.  巖石力學(xué)與工程學(xué)報(bào). 2012(05)

博士論文
[1]基于路面高精三維圖像的裂縫自動(dòng)識(shí)別與分類算法[D]. 彭博.西南交通大學(xué) 2014

碩士論文
[1]卷積神經(jīng)網(wǎng)絡(luò)在圖像分類中的應(yīng)用研究[D]. 吳正文.電子科技大學(xué) 2015



本文編號(hào)：3237193