[发明专利]一种基于持续深度学习的混凝土结构检测方法有效
| 申请号： | 202110371234.7 | 申请日： | 2021-04-07 |
| 公开（公告）号： | CN113096089B | 公开（公告）日： | 2022-05-13 |
| 发明（设计）人： | 舒江鹏;张佳玮;周姝康;赵唯坚 | 申请（专利权）人： | 浙江大学;浙江大学建筑设计研究院有限公司 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06V10/20;G06V10/764;G06V10/774;G06V10/82;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 杭州求是专利事务所有限公司 33200 | 代理人： | 邱启旺 |
| 地址： | 310058 浙江*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 持续 深度 学习 混凝土结构 检测 方法 | ||
1.一种基于持续深度学习的混凝土结构检测方法，其特征在于，具体包括如下步骤：
(1)收集混凝土结构裂缝和构件图像，并标注混凝土结构检测信息，随后通过移位、反射、翻转、缩放和颜色抖动对收集的混凝土结构裂缝和构件图像进行图像增强预处理，形成图像数据集；
(2)将ImageNet上预训练好的ResNet34模型的尾部全连接层的最后一层参数矩阵512×1000改成获得改进的神经网络；
其中，m表示任务的数量，i表示任务的索引，ai表示任务类别数；
(3)根据m个任务训练改进的神经网络，包括如下子步骤：
(3.1)对全连接层中与当前任务连接的参数θn进行Kaiming初始化，并进行预训练，训练40个周期；随后将第一个任务从步骤(1)的图像数据集中选取符合该任务的图像集输入到步骤(2)的神经网络中，训练60个周期，完成第一个任务下对神经网络的训练；
(3.2)冻结全连接层中与旧任务连接的参数θo和全局参数θs，对全连接层中与当前任务连接的参数θn进行Kaiming初始化，并进行预训练，训练40个周期；随后将第二个任务从步骤(1)的图像数据集中选取符合该任务的图像集输入到步骤(2)的神经网络中，并采用SGD方法进行训练，训练60个周期，完成第二个任务下对神经网络的训练；
(3.3)重复步骤(3.2)，直至将第m个任务从步骤(1)的图像数据集中选取符合该任务的图像集训练神经网络，在训练的过程中，分别输入前m-1个任务的图像集，统计前m-1个任务的准确率并输出第m个任务的准确率，当所有任务的准确率达到80％以上时，完成对神经网络的训练；
(4)再次收集混凝土结构裂缝和构件图像，并重复步骤(1)的方法获得新裂缝图像数据集，将其输入到已经训练好的神经网络中，输出检测结果。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于浙江大学;浙江大学建筑设计研究院有限公司，未经浙江大学;浙江大学建筑设计研究院有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202110371234.7/1.html，转载请声明来源钻瓜专利网。
