Automated Change Detection in Ground-Penetrating Radar using Machine Learning in R
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
