河海大学土木与交通学院学术报告会之一百一十八
发布人:土木院  发布时间:2021-03-30   浏览次数:10

河海大学土木与交通学院学术报告会之一百一十八



 

 目:基于卷积自编码的沥青路面裂缝智能识别


报告人:侯越  校聘教授 (北京工业大学)


 间:2021331日下午2:30—3:30


 点:科学馆516会议室



  

   欢迎各位老师、同学参加!



 

河海大学土木与交通学院


                 2021330

报告人简介:


侯越博士现任北京工业大学城建学部校聘教授,博士生导师,城建学部道路与轨道研究所副所长。博士毕业于美国弗吉尼亚理工大学土木工程学院交通工程专业。自2011年以来,一直从事道路材料与结构安全性及可持续发展研究,累计发表(及接收)高水平期刊论文(SCI/EI50余篇,包括中国工程院院刊《Engineering》,《Journal of Cleaner Production》,《ASCE Journal of Engineering Mechanics》,《中国公路学报》等。现为美国土木工程师学会(ASCE) 路面力学委员会成员,中国仿真学会道路基础设施建模与仿真专业委员会委员;担任国际顶级交通期刊IEEE Transactions on Intelligent Transportation Systems副编(AE),英国土木工程师学会PICE-Engineering Sustainability,和The Baltic Journal of Road and Bridge Engineering编委等;同时担任EngineeringTransportation Research Part DASCE系列期刊,CBM, JCLP,中国公路学报,建筑材料学报等二十余种国内外权威期刊的审稿人。

目前基于深度学习的路面裂缝识别经常面临训练数据集小,以及路面图片标注成本高等问题,本系统可基于小规模路面图片数据集,利用卷积自编码(CAE)方法进行数据增强,开展包括路面裂缝在内的路面目标智能化识别。在传统图像几何变换数据增强的基础上,采用CAE重构图片方法对原始数据集进行两步骤扩增;利用卷积神经网络DenseNet,设置了不同数据扩增方法的对比实验;针对沥青路面裂缝图片背景较黑、裂缝特征不清晰、无监督聚类难度大等问题,采用了一种基于CAE预训练的深度聚类算法DCEC,对经数据增强的路面图片进行无标注的聚类识别。结果表明,有效实现了小数据集的高精度沥青路面裂缝智能识别,并初步实现了无需人工标注的路面目标的端到端智能识别。