基于ResNet-18网络的桥梁损坏图像分类研究

近些年来,传统的桥梁损坏检测方法需要大量的时间以及人力、物力和财力,同时它们具有主观性、难以量化、影响正常交通、周期长、实时性差等缺点和局限性。本研究首先使用桥梁损坏图像作为数据集,然后使用ResNet-18网络对桥梁损坏图像进行分类,并且使用Softmax作为网络输出层的激活函数,使用交叉熵函数作为网络的损失函数。接着进行模型的训练,得出模型在测试集上的准确率为82.99%。最后从模型在测试集上的混淆矩阵与分类报告两个角度,对模型进行评估,得出模型在测试集上平均的F_(1)分数达到83%。