新葡的京集团35222vip学术报告会之一百一十八
题 目：基于卷积自编码的沥青路面裂缝智能识别
报告人：侯越 校聘教授 （北京工业大学）
时 间：2021年3月31日下午2:30—3:30
地 点：科学馆516会议室
欢迎各位老师、同学参加！
新葡的京集团35222vip
2021年3月30日
报告人简介：
侯越博士现任北京工业大学城建学部校聘教授，博士生导师，城建学部道路与轨道研究所副所长。博士毕业于美国弗吉尼亚理工大学土木工程学院交通工程专业。自2011年以来，一直从事道路材料与结构安全性及可持续发展研究，累计发表（及接收）高水平期刊论文（SCI/EI）50余篇,包括中国工程院院刊《Engineering》，《Journal of Cleaner Production》，《ASCE Journal of Engineering Mechanics》，《中国公路学报》等。现为美国土木工程师学会(ASCE) 路面力学委员会成员，中国仿真学会道路基础设施建模与仿真专业委员会委员；担任国际顶级交通期刊IEEE Transactions on Intelligent Transportation Systems副编(AE)，英国土木工程师学会PICE-Engineering Sustainability，和The Baltic Journal of Road and Bridge Engineering编委等；同时担任Engineering，Transportation Research Part D，ASCE系列期刊，CBM, JCLP，中国公路学报，建筑材料学报等二十余种国内外权威期刊的审稿人。
目前基于深度学习的路面裂缝识别经常面临训练数据集小，以及路面图片标注成本高等问题，本系统可基于小规模路面图片数据集，利用卷积自编码(CAE)方法进行数据增强，开展包括路面裂缝在内的路面目标智能化识别。在传统图像几何变换数据增强的基础上，采用CAE重构图片方法对原始数据集进行两步骤扩增；利用卷积神经网络DenseNet，设置了不同数据扩增方法的对比实验；针对沥青路面裂缝图片背景较黑、裂缝特征不清晰、无监督聚类难度大等问题，采用了一种基于CAE预训练的深度聚类算法DCEC，对经数据增强的路面图片进行无标注的聚类识别。结果表明，有效实现了小数据集的高精度沥青路面裂缝智能识别，并初步实现了无需人工标注的路面目标的端到端智能识别。