使用 R 中的机器学习在探地雷达中自动检测变化
摘要：探地雷达 (GPR) 是一种用于地下变化检测的有用技术，但受限于需要主题专家来处理和解释重合剖面。使用机器学习模型可以自动化此过程，以减少对主题专家处理和解释的需求。为了比较重合的 GPR 剖面，研究了几种机器学习模型。根据我们的文献综述，使用孪生卷积网络的孪生模型被确定为最佳选择。对内部孪生模型 ResNet50 和 MobileNetV2 测试了两个神经网络，前者历来具有更高的准确度，后者历来具有更快的处理时间。当对实验获得的具有合成添加变化的 GPR 剖面进行训练和测试时，ResNet50 具有更高的准确度。由于这种更高的准确度，需要的计算处理更少，导致 ResNet50 只需要 107 秒即可做出预测，而 MobileNetV2 则需要 223 秒。结果表明，应该进一步研究具有更高历史准确度的孪生模型。还建议使用实验产生的变化进一步测试连体双胞胎模型，以验证变化检测模型的准确性不仅仅针对合成产生的变化。
来源:美国陆军工程兵团阿富汗地区访问被拒绝
参考 #18.ad810e17.1729918567.10e59e83
https://errors.edgesuite.net/18.ad810e17.1729918567.10e59e83