本发明涉及结构监测技术领域,特别是一种基于知识蒸馏的高精度轻量化桥梁裂缝识别方法。提供一种基于知识蒸馏的高精度轻量化桥梁裂缝识别方法,可以大大提升轻量化网络对裂缝识别的准确率,采用所发明的基于知识蒸馏的训练策略能够快速准确地识别出桥梁结构表观裂缝并在在移动端设备上进行部署应用,减少了人工检查成本,极大提高了检测效率。
本发明采用如下技术方案:一种基于知识蒸馏的高精度轻量化桥梁裂缝识别方法,包括以下步骤:
步骤1,数据集准备;构建带标签自建数据集T和无标签数据集XU;
步骤2,教师网络模型的训练;将步骤1中自建数据集T以6:2:2分为训练集、验证集和测试集以获得准确率最高的教师模型;
步骤3,学生网络模型的训练;采用半监督标签知识蒸馏方案BCSLD使用教师模型指导学生模型进行学习,构建高精度轻量化的识别模型;
步骤4,模型的部署;将训练得到的高精度轻量化的识别模型部署至嵌入式设备,连接摄像头并安置在无人机上,实现对桥梁结构裂缝实时智能检测识别的任务。
发明人:范千 谭云华 夏樟华 朱三凡
福州大学(Fuzhou University),简称福大,位于福建省福州市,创建于1958年,是国家“双一流”建设高校,国家“211工程”建设高校,国家教育部、国家国防科技工业局与福建省人民政府共建高校,福建省三所重点建设的高水平大学之一,福建省一流大学建设高校,入选国家建设高水平大学公派研究生项目、教育部首批“卓越工程师教育培养计划”高校、新工科研究与实践项目、数据中国“百校工程”项目、国家“111计划”、“高校国际化示范学院推进计划”、国家级大学生创新创业训练计划、全国首批深化创新创业教育改革示范高校、中国政府奖学金来华留学生接收院校、全国专业学位研究生教育综合改革试点单位、国家集成电路人才培养基地、首批高等学校科技成果转化和技术转移基地、高校国家知识产权信息服务中心。
评价单位:- (-)
评价时间:2023-12-21
综合评价
与现有技术相比,该成果具有以下有益效果:该成果提出的知识蒸馏方案有效地利用了自建数据集和未标记数据集,将教师模型的知识转移给学生模型,提高了学生模型的分类精度。根据实验结果,该成果提出的知识蒸馏方案使得学生模型MobileNetv3实现了高精度训练,达到了和教师网络ResNeXt101接近的精度(-0.08%)。由于MobileNetv3自身轻量化结构带来的极快的推理速度(8.38ms/pic)以及通过知识蒸馏方案收获的高精度平均识别准确率(超《公路路面技术状况自动化检测规程》识别准确率要求9.35%),达到了工程的可用性。且该模型需要的参数和计算资源远远少于传统的深度学习模型,因此,该模型有可能使裂缝检测系统部署在广泛的移动端设备上以改善桥梁基础设施的安全检测和评估的成本。
查看更多>