基于深度学习的无监督路面裂缝分类方法及模型建立方法技术

本发明专利技术属于路面裂缝分类领域，公开了一种基于深度学习的无监督路面裂缝分类模型建立方法，包括如下步骤：获取待分类图片数据集；建立AlexNet网络模型并初始化模型的超参数、权重参数及偏置项；将待分类图片数据集输入AlexNet网络模型中，获得高维特征向量集；对高维特征向量集利用快速峰值算法进行聚类，获得伪标签集；利用待分类图片数据集和伪标签集对AlexNet网络模型进行训练，训练完成的模型即为无监督路面裂缝分类模型。本发明专利技术将无监督聚类算法引入深度神经网络对路面裂缝图像数据进行处理，进而去掉数据标注的任务，不仅对于深度神经网络而言具有重要意义，并且在无监督视觉特征学习任务上也是一个重大的突破。

【技术实现步骤摘要】
基于深度学习的无监督路面裂缝分类方法及模型建立方法
本专利技术属于路面裂缝分类领域，具体涉及一种基于深度学习的无监督路面裂缝分类方法及模型建立方法。
技术介绍
随着我国经济的日益繁荣，公路交通运输业得以迅速发展。在二十一世纪日益激烈的国际竞争中，公路的建设与维护情况不仅反映了一个国家的经济水平，而且是衡量一个国家综合国力的重要依据。路面裂缝作为道路常见病害之一，是道路养护工作的重点和难点。现有的路面裂缝分类方法存在以下问题：1.传统的无监督路面裂缝分类算法不能直接对原始图像数据进行处理，必须首先对原始图像数据进行特征提取，然后构造合适的分类模型，而当下的特征提取算法不仅对不同图像的普适性不高，而且针对图像的局部特征进行提取，因此现有的无监督学习方法对于实际路面裂缝像分类的普遍适用性不高而且分类的准确率较低。2.基于深度学习的有监督分类方法虽然解决了传统方法人工提取图像特征的难题，但依赖于对训练集的裂缝图像进行人工标注的过程，导致该类方法较为耗时且计算成本高。所以减少对标签信息的依赖程度实现对路面裂缝的分类任务，也成了进一步的研究本文档来自技高网...

【技术保护点】
1.一种基于深度学习的无监督路面裂缝分类模型建立方法，其特征在于，包括如下步骤：/n步骤1：获取待分类图片数据集；/n步骤2：建立AlexNet网络模型并初始化模型的超参数、权重参数及偏置项，所述AlexNet网络模型中，LRN层设为权值归一化层、激活函数设为包含ReLU6正向区间与Swish负向区间的函数；/n步骤3：将步骤1得到的待分类图片数据集输入步骤2得到的AlexNet网络模型中，获得高维特征向量集；/n对高维特征向量集利用快速峰值算法进行聚类，获得伪标签集；/n步骤4：利用步骤1获得的待分类图片数据集和步骤3获得的伪标签集对步骤2的AlexNet网络模型进行训练，训练完成的模型即为...

【技术特征摘要】
1.一种基于深度学习的无监督路面裂缝分类模型建立方法，其特征在于，包括如下步骤：
步骤1：获取待分类图片数据集；
步骤2：建立AlexNet网络模型并初始化模型的超参数、权重参数及偏置项，所述AlexNet网络模型中，LRN层设为权值归一化层、激活函数设为包含ReLU6正向区间与Swish负向区间的函数；
步骤3：将步骤1得到的待分类图片数据集输入步骤2得到的AlexNet网络模型中，获得高维特征向量集；
对高维特征向量集利用快速峰值算法进行聚类，获得伪标签集；
步骤4：利用步骤1获得的待分类图片数据集和步骤3获得的伪标签集对步骤2的AlexNet网络模型进行训练，训练完成的模型即为无监督路面裂缝分类模型。


2.如权利要求1所述基于深度学习的无监督路面裂缝分类模型建立方法，其特征在于，所述待分类图片数据集的建立包括以下子步骤：
步骤1.1：采集N幅路面裂缝图像，并对N幅路面裂缝图像进行预处理和图像增广，得到M幅路面裂缝图像，M>N；
步骤1...

【专利技术属性】
技术研发人员：李伟，孙朝云，郝雪丽，张英杰，杨荣新，裴莉莉，户媛姣，
申请(专利权)人：长安大学，
类型：发明
国别省市：陕西;61