迁移学习高精度检测
基于迁移学习的裂缝检测模型，在两个基准数据集上实现高精度，尤其ResNet50在METU数据集上达99.95%，在平衡的SDNET2018数据集上超97%。
Abdulrahman A., Alkannad · Ahmad Al, Smadi · 杨淑媛 · Alsmadi, Mutasem K. · Al-Makhlafi, Moeen · 冯志玺 · Zhenlong, Yin
IEEE Access 2025
ResNet50在METU数据集上达到99.95%的准确率，在平衡的SDNET2018数据集上超过97%，能满足实际工程对高精度的要求。
对SDNET2018数据集采用策略性重采样，缓解了类别不平衡问题，使模型在二分类和多分类任务中均表现稳定。
框架支持ResNet50、Xception和InceptionV3等预训练模型，用户可根据硬件和精度需求灵活选择骨干网络。