基于递进式级联卷积神经网络的混凝土裂缝识别方法
基于深度学习的卷积神经网络方法是目前图像裂缝识别鲁棒性较高的方法,主要分为滑动窗口法和图像分割法.滑动窗口法存在后期阈值分割裂缝精度不高的问题;全局图像分割法存在裂缝区域数据和背景区域数据严重不均衡问题,会对裂缝分割精度产生影响.采用了基于递进式级联卷积神经网络的方法对混凝土表面裂缝进行识别:首先采用全卷积神经网络一次性判断图像中所有密集重叠窗口区域内是否含有裂缝,然后将含有裂缝的窗口区块提取出来作为感兴趣区域,再基于轻量化的U-Net图像分割网络作用于感兴趣区域,将裂缝区域精确地提取出来.试验结果表明,所提出的基于递进式级联卷积神经网路的裂缝识别方法优于直接使用滑动窗口法和全局图像分割法,有着可靠的应用前景.
裂缝识别;递进式级联卷积神经网络;全卷积神经网络;感兴趣区域;U-Net图像分割
51
国家重点研发计划项目;中冶建筑研究总院有限公司重大课题项目
2021-09-22(万方平台首次上网日期,不代表论文的发表时间)
共7页
30-36