Page 99 - 2021年第52卷第9期

图 1 研究方法整体流程
际上，受制于数据集采集与制作过程中的困难，训练可
用的真实数据集数量往往较为有限，并且样本之间也不
一定会完全满足独立同分布的要求 ［28］ 。所以，仅仅依靠
已有的数据集进行训练，可能无法确保模型的泛化能力
达到较高的水准。
迁移学习作为深度学习的一种方法，可以把源任务
模型的训练结果作为初始权重，重新应用于新任务模型
的开发过程中 ［29］ 。即把源领域的知识迁移到新领域中，
提高模型在新领域中的学习效果，如图 2 所示。经过源
模型迁移学习，目标模型损失函数的收敛速度变得更
快，其鲁棒性和拟合能力得到提升。
堆石坝料堆中块石形态不规则，排布复杂密集，传
统分水岭算法、边缘检测算法等极易受到噪声干扰产生
过分割现象，影响分割精度 ［30-31］ 。近年来，深度学习神
图 2 迁移学习过程

— 1105 —