典型文献
基于生成对抗网络和迁移学习的排水管道缺陷识别
文献摘要：
城市排水设施的服役可靠性成为越来越重要的工程问题,高效率、自动化、大规模的管道缺陷智能检测是城市排水设施建设和管理的迫切需求和重要发展趋势.近年来深度学习技术发展迅速,为排水管道缺陷检测提供了新方法.然而,数据量不足和样本不均衡是深度学习模型普遍存在的问题,影响模型的泛化能力和识别鲁棒性.基于当前先进的生成对抗网络(StyleGAN),提出了一种高质量的排水管道缺陷图像合成方法,以解决训练样本问题.进一步采用卷积神经网络算法,借助迁移学习和预训练模型(SqueezeNet网络)实现管道缺陷识别,提升模型识别效率,并对合成图像进行效果验证.结果表明,StyleGAN能高效合成高质量的缺陷图像,识别模型的平均精度达到90.0％(对树根、错口、残墙坝根和障碍物的精度分别为99.7％、92.3％、87.7％和81.7％).借助生成对抗网络实现数据增强,为深度学习模型训练提供了一种有前景的方法,具有重要的应用意义.
文献关键词：
深度学习;生成对抗网络;迁移学习;排水管道缺陷;智能识别
中图分类号：
作者姓名：
周倩倩;司徒祖祥;刘汉林;陈维锋;腾帅;陈贡发
作者机构：
广东工业大学土木与交通工程学院,广东广州510006
文献出处：
引用格式：
[1]周倩倩;司徒祖祥;刘汉林;陈维锋;腾帅;陈贡发-.基于生成对抗网络和迁移学习的排水管道缺陷识别)[J].中国给水排水,2022(17):27-33
A类：
B类：
生成对抗网络,迁移学习,排水管道缺陷,管道缺陷识别,城市排水设施,服役可靠性,工程问题,智能检测,深度学习技术,管道缺陷检测,数据量,样本不均衡,深度学习模型,影响模型,泛化能力,StyleGAN,图像合成,合成方法,训练样本,神经网络算法,预训练模型,SqueezeNet,模型识别,合成图,效果验证,识别模型,树根,障碍物,数据增强,模型训练,应用意义,智能识别
AB值：
0.280207
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
