本文主要研究内容
作者赵鹏辉,李俊杰,康飞（2019）在《河道山地灾害的卷积神经网络快速识别方法》一文中研究指出：河道山地灾害如泥石流、滑坡、山洪、水土流失等严重危害着河道周边公路、铁路、桥梁、大型水利工程等重要基础设施的安全。快速识别已发生的河道山地灾害意义重大,而传统巡检方式具有极高的危险性和滞后性,迫切需要新方法来替代。以深度卷积神经网络为代表的深度学习技术具有局部感知、参数共享、池化等多个特性,相比传统机器学习方法具有更强大的特征学习和特征表达能力。在深度学习开源框架下,利用大量河道山地灾害图片数据完成了Caffenet等多个深度模型的训练,并结合迁移学习方法,使河道山地灾害识别准确率最终达到90%以上,为河道山地灾害快速识别、群防群测体系的完善提供了新思路。
Abstract
he dao shan de zai hai ru ni dan liu 、hua po 、shan hong 、shui tu liu shi deng yan chong wei hai zhao he dao zhou bian gong lu 、tie lu 、qiao liang 、da xing shui li gong cheng deng chong yao ji chu she shi de an quan 。kuai su shi bie yi fa sheng de he dao shan de zai hai yi yi chong da ,er chuan tong xun jian fang shi ju you ji gao de wei xian xing he zhi hou xing ,pai qie xu yao xin fang fa lai ti dai 。yi shen du juan ji shen jing wang lao wei dai biao de shen du xue xi ji shu ju you ju bu gan zhi 、can shu gong xiang 、chi hua deng duo ge te xing ,xiang bi chuan tong ji qi xue xi fang fa ju you geng jiang da de te zheng xue xi he te zheng biao da neng li 。zai shen du xue xi kai yuan kuang jia xia ,li yong da liang he dao shan de zai hai tu pian shu ju wan cheng le Caffenetdeng duo ge shen du mo xing de xun lian ,bing jie ge qian yi xue xi fang fa ,shi he dao shan de zai hai shi bie zhun que lv zui zhong da dao 90%yi shang ,wei he dao shan de zai hai kuai su shi bie 、qun fang qun ce ti ji de wan shan di gong le xin sai lu 。
论文参考文献
论文详细介绍
论文作者分别是来自水利水运工程学报的赵鹏辉,李俊杰,康飞，发表于刊物水利水运工程学报2019年02期论文，是一篇关于河道山地灾害论文,卷积神经网络论文,图像识别论文,川藏公路论文,水利水运工程学报2019年02期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自水利水运工程学报2019年02期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：河道山地灾害论文; 卷积神经网络论文; 图像识别论文; 川藏公路论文; 水利水运工程学报2019年02期论文;