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
重庆大学;