裂缝检测
文章平均质量分 71
cv研究僧
道阻且长,行则将至,行而不辍,未来可期。
展开
-
语义分割一些数据预处理的方式
一整套语义分割改变尺寸与数据扩充方法(随机裁剪,对数据和标签同时适用)原创 2022-07-21 16:18:17 · 1698 阅读 · 0 评论 -
【网络结构复现】之ACNet
网络出处请看这篇博客:基于注意力机制的深度学习路面裂缝检测直接上代码了,不会的地方可以留言AFM.pyfrom torch import nnclass ConvG1(nn.Module): #ConvG1采用 7×7 和 3×3 步长均为 2 的 2 种卷积核 def __init__(self): super(ConvG1, self).__init__() self.conv1 = nn.Conv2d(512,128,7,2,3)原创 2022-04-12 20:52:02 · 1918 阅读 · 0 评论 -
【文献阅读笔记】之Pixel-level pavement crack segmentation with encoder-decoder network
DOI: 10.1016/j.measurement.2021.109914年份:2021标题利用编码器-解码器网络在像素级别对路面裂缝进行分割摘要:关键信息:1.这篇文章提出了一种针对裂缝分割得编码器-解码器网络(EDNet)来克服裂缝像素和非裂缝像素数量的不均衡。会造成很多假阴性错误(错误的否定,例如:有裂缝没检测出来)2.本文提出的EDNet解码器是一种自动编码器,将ground truth自编码为完全抽象的对应特征映射,显著降低...原创 2022-04-09 21:33:54 · 3318 阅读 · 0 评论 -
【文献阅读笔记】之基于注意力机制的深度学习路面裂缝检测
中文,计算机辅助设计与图形学学报,第 32 卷 第 8 期,2020 年 8 月。DOI: 10.3724/SP.J.1089.2020.18059摘要:为实现自动准确地检测路面裂缝, 提升路面裂缝检测效果, 提出了一种基于注意力机制的裂缝检测网络 (attention-based crack networks, ACNet). 该网络采用编码器-解码器网络构架, 编码器采用 ResNet34 为骨干网, 提取路面裂缝特征; 在编码器和解码器间加入基于注意力机制的特征模块(attention-b原创 2022-04-06 20:54:17 · 6556 阅读 · 0 评论