裂缝检测

最新推荐文章于 2025-02-15 13:03:30 发布
最新推荐文章于 2025-02-15 13:03:30 发布
阅读量1.3k 收藏 4
点赞数
分类专栏： 自动驾驶
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_27467037/article/details/103972661
版权

1.FPHBN
https://zhuanlan.zhihu.com/p/72899699
https://github.com/fyangneil/pavement-crack-detection
2.Automated Pavement Crack Segmentation
Using Fully Convolutional U-Net with a
Pretrained ResNet-34 Encoder

施努卡：基于深度学习的裂缝检测技术
qq_27572409的博客
04-28 2666
不同于传统的裂缝检测方法，基于深度学习的检测方法不需要人工干预，能自主学习有代表性的特征，直接对输入图像的裂缝进行检测。 随着深度学习方法在许多应用场景中取得了很好的检测结果。国内众多研究人员也开始把基于深度学习的目标检测模型和语义分割模型用于裂缝检测任务中。 吴贺贺等人使用 Faster R-CNN 网络进行隧道裂缝检测，该方法能够降低对图像质量的要求，能够完成裂缝的准确定位。王丽苹采用 ZF 网络作为 Faster R-CNN 模型的主干网络进行图像特征提取，完成对混凝土裂缝的识别与定位，是一种高效可靠
裂缝检测预处理代码
11-03
裂缝检测预处理代码,含图像增强，二值化，膨胀等提取裂缝预处理操作
目标检测数据集：道路裂缝检测（VOC标注，包含训练集和验证集)
05-02
项目包含：道路裂缝检测（VOC标注，包含训练集和验证集)，数据保存按照文件夹保存，经测试，可直接用作目标检测数据集，无需额外处理。 图像分辨率为416*416的大分辨率RGB图片，数据集为生活中道路表面的常见裂缝检测 【数据集介绍】道路裂缝检测，1类别：crack 【数据总大小】7 MB 【数据集详情】data目录下分为两个目录，train为训练数据、test为测试数据，每个目录下各有两个子文件夹。images存放数据图片，labels目录存放标注文件。训练集共528张图片和528个xml解释文件。训练集共132张图片和132个xml解释文件 【json文件】1类别的json字典文件 为了方便查看数据，提供了可视化py文件，随机传入一张图片即可绘制边界框，并且保存在当前目录。脚本无需更改，可以直接运行得到标注后的图像！
【裂纹检测】检测和标记图片中的裂缝（Matlab代码实现）
最新发布
2201_75454341的博客
02-15 995
这个任务旨在使用计算机视觉技术来自动检测和标记在图片中出现的裂缝。裂缝通常是物体表面的线状缺陷，可能会对物体的完整性和结构造成影响。通过自动检测和标记裂缝，可以快速准确地识别潜在的问题，并采取相应的措施进行修复或维护。通过检测和标记图片中的裂缝，可以提高裂缝检测的效率和精度，并为后续的维护和修复工作提供有价值的信息。这项任务在建筑、材料科学、工业维护等领域具有重要应用价值。裂纹检测是一项重要的工程任务，特别是在材料科学、建筑工程和机械制造领域。检测和标记图片中的裂纹通常需要借助计算机视觉和图像处理技术。
基于 U-net 的裂缝检测
Warmer_Sweeter
11-20 2546
使用人工智能将结构检测带入 21 世纪！问题陈述虽然新技术几乎改变了我们生活的方方面面，但建筑领域似乎正在努力迎头赶上。目前，建筑物的结构状况仍主要由人工检查。简单来说，即使现在需要检查结构是否有任何损坏，工程师也会手动检查所有表面并拍摄一堆照片，同时记录任何裂缝的位置。然后需要在办公室再花几个小时来整理所有照片和笔记，试图从中做出有意义的报告。显然，这是一个费力、昂贵且主观的过程。最重要的是，由...
改进U-Net网络用于混凝土裂缝检测网络学习
qq_45023353的博客
05-04 1129
由于裂缝检测在混凝土建筑物的病害评估中起着重要的作用。然而，复杂的背景、不规则的边缘、实时性和准确性要求等因素也使得裂缝检测成为一项具有挑战性的任务。论文中改进了U-Net网络，提高了裂缝检测的准确度和快速度。裂缝检测的方法主要分为传统方法和深度学习方法，虽然U-Net由于其检测速度快、架构简单、效果良好而得到广泛应用，但将其用于图像中的裂缝检测时仍存在许多不可避免的缺点需要解决。一是输出图像的分辨率小于输入图像的分辨率，二是U-Net的检测结果仍然存在很多误差。
裂缝检测，需要contrib
03-31
裂缝检测，VS2015 OPENCV310，需要contrib编译，效果非常好
yolov10水泥墙面裂缝检测，包含训练好的检测权重
07-05
1、yolov10水泥墙面裂缝检测，包含训练好的检测权重，以及PR曲线，loss曲线等等，和数据集 3、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 4、采用pytrch框架，python代码 ...
基于MATLAB的路面裂缝检测识别算法GUI系统设计包括图像预处理和裂缝检测，matlab2021a测试。
05-01
在本项目中，我们主要探讨的是一个基于MATLAB的路面裂缝检测识别算法的GUI系统设计。这个系统结合了图像预处理技术和智能裂缝检测算法，旨在提高道路维护的效率和准确性。MATLAB作为强大的数学计算和数据处理工具，...
道路裂缝检测YOLOV8NANO
11-09
标题中的“道路裂缝检测YOLOV8NANO”是指一种基于深度学习的图像识别技术，用于检测道路表面的裂缝。YOLO（You Only Look Once）是一种实时目标检测系统，其核心在于快速和准确地定位图像中的物体。YOLOV8NANO是YOLO...
混凝土裂缝检测报告参考模板.pdf
07-14
混凝土裂缝检测报告是一种重要的工程质量评估工具，用于评估建筑物或基础设施中的混凝土结构的健康状况。这份报告通常由专业检测单位执行，包含多个关键部分，确保全面评估混凝土裂缝的性质和潜在影响。 1. 报告...
crack-detection:裂缝检测系统可检测道路裂缝的百分比并警告您车辆的速度限制
07-24
裂纹检测系统 该项目使用 Python 的 OpenCV 库和深度学习来检测裂纹区域，并根据裂纹百分比警告驾驶员所需的速度限制。 描述 介绍页面：描述项目的页面 登录页面：用于登录网站 注册页面：用于注册到网站 索引页：这是我们输入前方道路图像的主页 输出页：在索引页上输入图像后，输出的道路被裂缝覆盖的百分比如下所示 使用 ResNet50（卷积神经网络）预训练的深度学习模型用于预测图像中的裂缝 输出显示裂纹百分比并使用此百分比警告 spped 限制。 使用的技术栈 HTML - 前端 CSS - 前端 BootStrap - 前端 Javascript - 前端 Django - 后端 Python - 深度学习模型 PostgreSQL - 数据库 安装和设置步骤 克隆存储库 git clone https://github.com/ak2502/crack-detection.git
Matlab路面裂缝识别
08-13
简单的路面裂缝识别，基于matlab
opencv，二值化，裂纹检测
09-29
opencv，二值化，裂纹检测。
论文研究-Reconstruction-based Robust Pavement Crack Detection.pdf
08-24
基于重构的路面裂缝检测模型，罗铃，徐国胜，路面裂缝检测对于路面维护十分关键。要从各种路面环境以及阴影干扰的图像进行精确的裂缝识别目前仍是一项挑战。本文针对路面裂缝
裂缝检测总结
Doreenqiuyue的博客
10-28 1463
图像相关的基础知识 二值图像、灰度图像、彩色图像 视频图像的一些简单处理 读取视频并获取视频信息、分帧保存—MATLAB 在视频上选取矩形区域，获取该区域的RGB均值信息—MATLAB Matlab读取视频并处理成帧保存 边缘检测相关算法 边缘提取算子总结—Matlab代码实现 Canny算子—MATLAB 图像边缘检测及提取方法总结（含Matlab代码） matlab图像边缘检测分析 python-opencv自带的检测函数 ...
【MATLAB第45期】基于MATLAB的深度学习SqueezeNet卷积神经网络混凝土裂纹图像识别预测模型
随风飘摇的土木狗的博客
06-24 2231
将gradient map的大小调整为SqueezeNet图像的大小，并将分数缩放到适当的级别以进行显示。网络需要大小为227×227×3的输入图像，但是图像数据存储中的图像具有不同的大小。从经过训练的网络中提取层图。要在不执行进一步数据扩充的情况下自动调整验证和测试图像的大小，请使用扩充图像数据存储，而不指定任何额外的预处理操作。第一层，即图像输入层，需要大小为227×227×3的输入图像，其中3是颜色通道的数量。对测试图像进行分类以计算分类精度，使用微调网络对正常图像和裂纹图像的测试图像进行分类。
文献精读 | 基于卷积神经网络的混凝土裂缝损伤识别
硬核小青年的博客
04-03 2162
????‍???? 作者：Young-Jin Cha（加拿大曼尼托巴大学） ????发表时间： 05/2017 ???? 期刊：《Computer-Aided Civil and Infrastructure Engineering》（土木计算机技术顶刊） ????DOI：10.1111/mice.12263 目录 0 摘要 1 概述 2 方法的概要 3 方法论 3.1 整体框架 3.2 卷积层 3.3 池化层 3.4 激活层 3.5 辅助层 3.6 Softmax层 3.7 softmax损失和随机梯度下
yolov7裂缝检测
无敌三脚猫的专栏
07-22 1766
在这个教程中，我们使用从Roboflow Universe网站下载的90000+个数据集之一，如果你有了自己的图像（或者已经完成标注），你可以使用Roboflow转换你的数据集【一组开发人员用来快速准确地构建更好的计算机视觉模型的工具】。数据集包含图片和标签，分成三部分，训练、测试和验证三个子部分，另外，应该有一个data.yaml文件在数据集的根目录。每个标签文件都是一个txt文档，和图片具有相同的名称，请看下面的标签文件的内容。，可以创造或者准备你自己的数据集，保证选择。直接回车，可以运行下一行。
图像裂缝检测预处理技术解析
标题“裂缝检测预处理代码”指出了文档涉及的主题是图像处理领域中用于识别和分析裂缝的程序。预处理是图像分析中的一个关键步骤，它涉及对原始图像应用一系列操作以便提取出有用信息，同时减少噪声和不相关信息，为...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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