基于图像处理与深度学习的RC桥梁表观病害识别

目录

1 绪 论

1.1研究背景

1.2国内外研究现状

1.2.3基于特征自动提取的深度学习阶段

1.3本文主要工作内容

2 钢筋混凝土桥梁表观病害分类及数据标记

2.1引言

2.2桥梁表面缺陷的形成原因及其分类

2.3钢筋混凝土桥梁表观病害数据库

2.3.1病害目标的标记特征分析

2.3.2病害图像数据标记

2.4本章小结

3 基于YOLOv3深度学习增强的目标识别算法

3.1引言

3.2卷积神经网络

3.2.1卷积层

3.2.2池化层

3.2.3全连接层及分类器

3.3 YOLO系列目标检测算法

3.3.1YOLO算法

3.3.2YOLOv2算法

3.3.3YOLOv3算法

3.3.4目标检测评价指标

3.4基于迁移学习增强的YOLOv3目标识别算法

3.4.1迁移学习的理论

3.4.3基于模型的迁移学习的YOLOv3训练框架

3.4.4VOC数据集

3.4.5计算环境与网络参数

3.4.6实验结果

3.5基于迁移学习增强的YOLOv3病害识别

3.5.2病害识别算例研究

3.6本章小结

4 基于数字图像预处理改进的病害识别

4.1引言

4.2图像增强

4.2.2拉普拉斯图像锐化

4.2.3算例研究

4.3基于拉普拉斯图像锐化增强的病害识别

4.4数据增强

4.4.2仿射变换数据增强

4.5基于仿射变换数据增强的病害识别

4.6本章小结

5 基于图像处理与增强的YOLOv3的病害识别

5.1引言

5.2钢筋混凝土桥梁表观病害识别方法的建立

5.2.1病害目标检测步骤

5.2.2基于RCDD-YOLO的病害识别

5.3不同检测框架对比

5.4影响因素及参数分析

5.4.1图像影响因素分析

5.4.2网络参数分析

5.5本章小结

6 结论与展望

6.1本文的主要工作和结论

6.2研究展望

参考文献

附录

A 作者在攻读硕士学位期间发表的论文

B 学位论文数据集

致谢