基于Swin-Unet的混凝土裂缝分割算法研究
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.19968/j.cnki.hnkj.1003-5168.2022.23.002

基于Swin-Unet的混凝土裂缝分割算法研究

引用
目前,卷积神经网络常用于混凝土裂缝分割领域中.本研究对卷积神经网络检测裂缝时检测精度低、丢失裂缝特征等问题,引入一种纯Transformer架构模型的Swin-Unet,通过使用Swin Transformer模块来代替卷积操作,可有效弥补卷积神经网络无法捕捉长距离特征及transformer难训练的缺陷,并在公共数据集和小样本数据集组合建立的3518张裂缝数据集上进行试验.试验结果表明,Swin-Unet取得了较好的成绩,表现出更好的检测效果,获得的IOU分数为0.70、F1分数为0.82,这表明Swin Transformer更有利于图片特征的提取.

混凝土裂缝识别、深度学习、Swin-Unet

41

TU17(建筑基础科学)

2022-12-29(万方平台首次上网日期,不代表论文的发表时间)

共5页

13-17

相关文献
评论
暂无封面信息
查看本期封面目录

河南科技

1003-5168

41-1081/T

41

2022,41(23)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn