基于深度学习的全卷积网络图像裂纹检测 |
| |
引用本文: | 王森,伍星,张印辉,陈庆.基于深度学习的全卷积网络图像裂纹检测[J].计算机辅助设计与图形学学报,2018(5). |
| |
作者姓名: | 王森 伍星 张印辉 陈庆 |
| |
作者单位: | 昆明理工大学机电工程学院 |
| |
摘 要: | 为实现复杂背景下裂纹目标的有效检测及降低错误标记,将全卷积网络(FCN)引入图像裂纹检测中,并针对裂纹检测实验中FCN模型存在丢失局部信息和丧失部分精细化区分能力的问题,构建一种Crack FCN模型.首先在增大分辨率的同时,取消全连接层中的Dropout技术,以增大裂纹信息的选择;其次通过加深FCN的网络深度,使整个网络实现递进式特征传递;最后在网络之后添加更高尺度的反卷积层来扩充局部精细细节.在2 156幅自制的裂纹图像数据集上对文中模型、FCN-8s模型以及其他检测方法进行实验的结果表明,Crack FCN网络模型在提高检测精度的同时可以有效地降低错误标记.
|
本文献已被 CNKI 等数据库收录! |
|