文献阅读笔记:基于深度学习的桥梁裂缝检测算法研究
- 论文 | 基于深度学习的桥梁裂缝检测算法研究
- 作者 | 李良福、马卫飞、李 丽、陆 铖
- 期刊 | 自动化学报
- 时间 | 2019年9月
论文目的:
传统的图像处理算法不能很好地对桥梁裂缝进行检测 ,
而经典的深度学习模型直接用于桥梁裂缝的检测 , 效果并不理想,针对这些问题 ,
文章提出了一种基于深度学习的桥梁裂缝检测算法
创新点,QA(1-4):
Q1:使用深度学习中的卷积神经网络 (CNN) 进行桥梁裂缝检测 ,
需要大量的、带类别标签的桥梁裂缝图像作为训练集、验证集和测试集 . 但是 ,
到目前为止 ,
全球还没有公开的、带类别标签的、用于深度学习的桥梁裂缝图像数据集。人工采集大量的图像将是个非常严峻的问题。
**A1:**文章中对采集来的 2000 张桥梁裂缝图像研究的基础之上 ,
提出一种基于滑动窗口算法 , 专门用于桥梁裂缝图像数据集的人工扩增方法。
Q2:
桥梁裂缝图像具有背景纹理复杂多样、噪声种类繁多、分布无规律的特点,因此主流的裂缝检测方法效果不够理想。
A2:文章提出了一种基于 CNN 深度学习的 DBCC (Deep bridge crack classify)
分类模型 ,用于识别桥梁裂缝面元和桥梁背景面元。
Q3:如果直接使用传统的窗口滑动算法和 DBCC模型结合检测桥梁裂缝 ,
则有可能检测出过多的桥梁噪声面元
A3:文章提出了改进的滑动窗口算法。
Q4:为了降低算法的时间复杂度 , 加速算法的处理速度 ,
满足桥梁裂缝检测实时处理的要求 , 必须采用多种措施来提高算法的执行效率 .
A4:文章主要采用图像金字塔和 ROI 区域相结合的策略
原理:
人工扩增方法
将采集来的桥梁裂缝图像归一化为 1024×1024 分辨率的桥梁裂缝图像;
使用 W × H
固定大小的窗口在桥梁裂缝图像上不重叠地进行滑动,每滑动一次产生一个小切片作为ROI;把不包含桥梁裂缝小切片的图像称为桥梁背景面元
,把包含桥梁裂缝的小切片称为桥梁裂缝面元;
DBCC模型
IN:16*16*3
偏置项值初始化为 0.1;
4 层卷积层 (C1∼C4);3264128256
3层池化层 (P1∼P3);Max-PoolingAve-PoolingAve-Pooling
2 层全连接层 (FC1∼FC2);
SoftMax 函数 (S) 作为损失函数
C1、C4 、P2 、P3 、FC1 后面各加一个激活函数(RELU);
第一卷积层后面添加 LRN 层;
FC1 后面添加 Dropout 层(D)。
OUT: P b (x)、P c (x);
改进过程:
改进的窗口滑动算法:
改进之前:
- 只根据 P b (x)) ≤ P c (x), 就认为当前的桥梁面元图像为桥梁裂缝面元图像 ,
- 那么在整幅桥梁裂缝图片识别的时候 ,
- 有可能将某些桥梁噪音面元误识别为桥梁裂缝面元。
改进之后:
算法的加速策略
- 首先针对要识别的桥梁裂缝图像构建图像金字塔 , 然后 ,
- 在低分辨率的图像上使用检测算法对桥梁裂缝进行检测 ,
- 同时对识别出来的桥梁裂缝面元的横纵坐标进行排序
- 求出包含裂缝的矩形区域的左上角坐标和右下角坐标 ,
- 确定在高分辨率图像上包含裂缝的矩形区域 , 并且将这一矩形区域设为 ROI 区域 .
- 最后 , 使用检测算法对 ROI 区域的桥梁裂缝图像进行检测 .
实验:
图像采集设备:大疆无人机 Phantom 4 pro 自带的 CMOS 面阵相机
程序:基于主流的深度学习开源框架 Caffe 和计算机视觉开源库 OpenCV,使用 C/C++
、 python 语言开发 ; 程序的运行环境为 Ubuntu14.04, CPU3.3GHz, RAM 8GB
实验结果:
总结
对于目前的裂缝检测无公开数据集的问题,文章中的人工扩增方法是个很好的解决方法;
其中的图像金字塔+ROI策略对算法的执行进行了加速,此处应还有更好的优化策略待挖掘。
文献阅读笔记:基于深度学习的桥梁裂缝检测算法研究相关推荐
- 中科院张士峰:基于深度学习的通用物体检测算法对比探索
https://www.toutiao.com/a6674792954369933838/ 人工智能论坛如今浩如烟海,有硬货.有干货的讲座却百里挑一.由中国科学院大学主办,中国科学院大学学生会承办,读 ...
- 基于深度学习的磁环表面缺陷检测算法
基于深度学习的磁环表面缺陷检测算法 人工智能技术与咨询 来源:< 人工智能与机器人研究> ,作者罗菁等 关键词: 缺陷检测:深度学习:磁环:YOLOv3: 摘要: 在磁环的生产制造过程中, ...
- 目标检测YOLO实战应用案例100讲-基于深度学习的无人机目标检测算法轻量化研究
目录 基于深度学习的无人机图像目标检测算法研究 目标检测相关技术理论 2.1 引言
- 计算机辅助诊断儿科,基于深度学习的儿科临床辅助诊断算法研究
摘要: 近年来,随着数字医疗在全球范围内的普及,医疗行业的人工智能应用也逐渐开展,死亡预测,癌症诊断,医学影像识别等研究相继问世.现阶段人工智能技术在医学临床应用方面仍存在三点挑战:首先,现有的医学人 ...
- 文献阅读笔记【5】:基于图像处理的膨胀圆裂缝检测算法
论文 | 基于图像处理的膨胀圆裂缝检测算法 作者 | 吴玉龙,岳大森,丁 勇,卢康昕,赵广辉 期刊 | 材料与测试-无损检测-实验研究 时间 | 2020 该文章提出了一种计算裂缝宽度的算法,其过程使 ...
- 基于深度学习的显著性目标检测方法综述
源自:电子学报 作者:罗会兰 袁璞 童康 摘 要 显著性目标检测旨在对图像中最显著的对象进行检测和分割,是计算机视觉任务中重要的预处理步骤之一,且在信息检索.公共安全等领域均有广泛的应 ...
- 深度学习 数码管_创新研发基于深度学习的可见光智能检测技术
"随着国家智能电网战略布局的不断实施,依托于巡检机器人的变电站智能巡检技术必将逐步取代人力,成为电网巡检的主流.国电瑞源智能巡检机器人搭载基于可见光的智能检测技术实现输电设备异物检测.变电站 ...
- 深度学习——day38 读论文:基于深度学习的数据竞争检测方法(DeleRace计算机研究与发展 2022)
基于深度学习的数据竞争检测方法 chap0 Introduction 本文贡献: 原文及笔记下载 chap1 DeleRace 1.1 检测框架 1.2 选取实际应用程序 1.3 特征提取 1.3.1 ...
- 无人驾驶汽车系统入门(十二)——卷积神经网络入门,基于深度学习的车辆实时检测
无人驾驶汽车系统入门(十二)--卷积神经网络入门,基于深度学习的车辆实时检测 上篇文章我们讲到能否尽可能利用上图像的二维特征来设计神经网络,以此来进一步提高识别的精度.在这篇博客中,我们学习一类专门用 ...
最新文章
- 号外号外!RancherOS v1.2.0发布啦!
- 【运筹学】线性规划 单纯形法 ( 基矩阵 | 基变量 | 非基矩阵 | 非基变量 | 矩阵分块形式 | 逆矩阵 | 基解 | 基可行解 )
- Ubuntuzilla: 安装最新版Mozilla软件的简单方法
- activiti bpmn 安装不上_小猿圈之Eclipse安装Activiti插件(流程设计器)
- 2009.11网络工程师考试案例试题学习攻略(1)
- java 中数组与list_Java中List与数组相互转换实例分析
- VC++文件监控(一) ReadDirectoryChangesW
- LVS Nginx 负载均衡区别
- 华为开发者大会鸿蒙2.0系统,鸿蒙2.0来了!华为开发者大会HDC 2020宣布
- php中的冒泡排序和选择排序d
- 电信无线路由器服务器网站,电信拨号上网连无线路由器的方法
- Java项目_宠物领养系统_不到一小时教会你
- 关于无线网络中几个名词WPS,PSK,WPA,WPA2等名词的解释以及WPA的破解
- AngularJs的UI组件ui-Bootstrap分享(四)——Datepicker Popup
- UVA 1212 Duopoly
- 与64位版本的Windows不兼容,masm运行不了
- python程序设计山东联盟期末考试_知到_Python程序设计基础(山东联盟)_章节测试答案...
- uniapp选中多张图片或者视频(多图上传)
- 妙用schedule执行php脚本定时任务
- oracle显示人民币,如何在ORACLE中实现人民币大写的转换
热门文章
- THE compile of serveral files
- 喜讯 | 美格智能荣获2022“物联之星”年度榜单之中国物联网企业100强
- 500vip网全套源码下载 带精美手机版源码
- [Android] 彩云小译V2.4.1高级精简版VIP 不用花钱免费使用 中日英同声传译
- Zemax操作--3(玻璃库和自定义)
- Arduino基础入门篇24—继电器控制
- 《微服务分布式构架开发实战》欢迎来到异步社区!
- linux命令-rm命令
- [Swift通天遁地]七、数据与安全-(2)对XML和HTML文档的快速解析
- c语言编译 aiocompiler,RK3399快速熟悉(基于AIO-3399C开发板)