Cha_et_al-2017-Computer-Aided_Civil_and_Infrastructure_Engineering.pdf
- tensorflow
- PIL
- numpy
- 数据:https://data.mendeley.com/datasets/5y9wdsg2zt/1
网络结构 model.py
- learn rate: 1e-4
- learn decay: 0.99
- batch normalization momentum: 0.9
- dropout rate: 0.5
- Optimizer: SGD/adam
使用adam优化是速度快于SGD
数据处理 raw_to_tfrecoder.py
将图片数据处理为tfrecoder, 将大图处理为相同格式的小图,
将小图送入模型中得出值, 根据返回值画出大图中损坏的位置
测试函数 evalution.py
在训练图片中缝隙的颜色大多数为黑色, 在缝隙颜色和墙面颜色区分比较明显的时候,识别效果较好