一种基于迁移学习的大坝图像裂缝检测方法

摘要

本发明公开了一种基于迁移学习的大坝图像裂缝检测方法，步骤：收集大坝裂缝图像，通过生成式对抗网络GAN对图像数据集进行预处理以填充数据集；采用不保留顶层全连接层的预训练模型MobileNet来提取图像特征，并在MobileNet后拼接Flatten层，在Flatten层后拼接一层激活函数为ReLU的全连接层，最后拼接一层激活函数为Sigmoid的全连接层作为输出层；对MobileNet中的前K个深度可分解卷积结构进行冻结，固定这K个深度可分解卷积结构的相关权重；对模型进行训练，在模型训练过程中仅更新未冻结的网络层的权重；利用训练好的模型在图像中对大坝裂缝的检测。本发明解决了小数据集情况下的过拟合问题，并通过迁移学习思想提高了预测性能和运行速度。