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;