《表3 关于缺陷分类的数据集划分的详细信息》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度学习的排水管道缺陷自动检测与分类》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了训练第一个二元分类模型（NDCNN），使用正常图像作为正样本集，而其他缺陷图像作为负样本集。然后，将数据集分成3组，如表2所示。在NDCNN模型训练良好之后，重新排列数据集以训练第二个多元分类（IDCNN）模型，如表3所示。在此阶段的训练过程中专注于上述6种在排水道检测中最常见的缺陷。因此，只需要属于这些类别的图像，丢弃正常图像和其他图像。选择的数据也被分成3组。本节中的所有结果都是在测试集上计算的。