Autonomous concrete crack detection using deep fully convolutional neural network论文笔记

Autonomous concrete crack detection using deep fully convolutional neural network论文笔记

@(论文笔记)

1.实验

实验方法
作者想要采用一种对称的编码-解码FCN网络来进行裂缝像素和非裂缝像素的二类图像分割。首先,采用VGG16, InceptionV3和ResNet网络结构对以公开数据集进行裂缝与非裂缝图像进行二分类试验,选出分类准确性最好的结构,再将作为基础网络结构来进行裂缝图像分割。

数据集
在这里插入图片描述
混泥土裂缝数据集,包括两万张裂缝图像,两万张非裂缝图像,其中随机分布的600张裂缝图像,成对地带有像素的标记,即裂缝检测的标记图像。对于分类任务,训练集具有32000张图像,验证集有4000张图像,测试集有4000张图像。对于分割任务,训练集有400张图像,验证集100张,测试集100张。

三种FCN对裂缝分类能力对比
在这里插入图片描述
从图可以看出,对于裂缝图像分类来说,VGG和incept

  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值