基于U_net全卷积网络的混凝土裂纹检测

本人小白，写博客是为了记录学习笔记，也为了和各位大佬交流，如果文中出现错误，希望各位指正，本人不胜感激！

论文题目：Computer vision-based concrete crack detection using U-net fully convolutional networks

论文链接：https://www.sciencedirect.com/science/article/abs/pii/S0926580519301244

摘要：

• 首次使用U-net网络进行裂缝检测；
• 选用Focal损失函数；
• 选用Adam算法进行优化
• U-net网络比DCNN方法更简洁、有效、准确和更强的鲁棒性；

网络结构： 

 

训练集与验证集设置：

数据集为在华中科技大学内不同位置拍摄的84张照片，其中57张用于训练，27张用于验证。

激活函数：

选择Adam作为优化算法，初始学习率为 η=0.0001，一阶矩估计的指数衰减率为β1=0.9，二阶矩估计的指数衰减率为β2=0.999，每次训练随机选择两个图像作为小批量。

k-fold验证结果：

 待改进点：

• 为了快速原型化模型并验证其可行性，本文的模型只接受3×512×512的图像输入。在处理大量图像的情况下，需要对图像进行裁剪或缩放。但这不是根本的解决办法。如何改进算法以适应更多的输入是一个值得改进的方向；
• 在该方法的实现中存在许多人工调整的超参数。这些超参数从训练集和验证集导出。探索这些超参数对模型性能的影响仍然需要大量的实验；
• 维护更大的数据集和训练更强大的模型也是未来的方向；