Jun, 2023

基础设施裂缝分割：边界指导方法与基准数据集

PDF
TL;DR本文提出了边界引导裂纹分割模型（BGCrack），通过将边界特征引入裂纹识别，采用高频率模块、全局信息建模模块、联合优化模块等结构和模块，并提供了一个为钢结构建立统一的公平基准的钢板裂纹数据集。
crack segmentationboundary featuresaisteel crack datasetinfrastructure performance
发现论文，激发创造
  • 裂纹图像的分割工具

    本研究提出了一种半自动裂缝分割工具，通过图像处理算法利用多方位小波变换构建图像的 “方向得分”，从而计算出最佳裂缝路径，进而实现像素级的分割，该方法优于完全自动方法，并显示出成为手动数据标注的合适替代方法的潜力。

    Mar, 2024

  • 针对钢桥高分辨率图像中裂缝的深度学习分割

    利用无人机和图像处理技术自动化当前桥梁视觉检查实践是提高检查效果、鲁棒性和降低成本的一种显著途径。本文研究了一种新颖的深度学习方法，用于检测高分辨率钢桥图像中的疲劳裂纹，首先，我们介绍了一个包含钢桥裂纹图像的新颖而具有挑战性的数据集。其次，我们将 ConvNext 神经网络与先前最先进的编码器 - 解码器网络集成，进行裂纹分割研究和报告，并研究了在应用于高分辨率钢桥裂纹图像时使用背景补丁对网络性能的影响。最后，我们引入了一种损失函数，允许在训练过程中使用更多的背景补丁，从而显著降低了误报率。

    Mar, 2024

  • 设计一种混合神经系统，用于从基于分形的模拟学习现实世界的裂缝分割

    鑑於混凝土基礎設施結構完整性評估的重要性，鑑定裂紋至關重要。然而，對於計算機視覺系統來說，強大的裂紋分割仍然是一項具有挑戰性的任務，原因在於混凝土表面的多樣外觀、不同的照明和天氣條件以及不同缺陷的重疊。本文提出了一種基於分形的高度保真度裂紋圖形模擬器以及相應的完全標註的裂紋數據集，並通過利用點對點互信息估計和自適應實例正規化作為歸納偏差，補充了後者的系統。最後，通過實證研究不同設計選擇在彌合模擬與現實差距方面的相互作用，最終證明我們引入的系統能夠有效處理現實世界的裂紋分割。

    Sep, 2023

  • 从分类到分割的可解释人工智能研究：裂缝检测和生长监测

    本文提出了运用可解释人工智能的方法对表面裂纹进行分割和监测，结果表明，虽然生成的分割掩码质量可能不如有监督方法产生的高，但仍具有意义并能够实现严重程度的监测，从而降低了大量标注成本。

    Sep, 2023

  • 优化视觉基础模型用于民用基础设施中裂缝分割

    该研究通过引入视觉基础模型用于裂缝分割，并采用两种参数高效微调方法来提高其性能，通过比较实验验证了该方法在各种条件下的零样本性能表现，并为土木工程中视觉模型的发展提供了新思路。

    Dec, 2023

  • 一种用于 3D 混凝土图像裂缝检测的统计方法

    提出了一种高效的算法，用于在大规模计算机断层扫描（CT）图像中识别裂缝区域，并验证了其在提高裂缝分割效率和减少计算资源需求方面的有效性。

    Feb, 2024

  • 道路裂缝检测的多粒度上下文信息流模型

    通过利用裂缝的背景和上下文信息，本文提出了一种端到端的深度学习方法来准确地定位图像中的裂缝，并且在 Bitumen Pavement Crack 数据集上的实验结果表明，该方法表现良好且优于当前最先进的方法。

    Apr, 2024

  • 混凝土表面裂缝分割的双流融合模型

    本文提出了一种基于双流融合的裂纹分割模型，具有更高的检测精度和更强的适应性，并提出了一种新的交互融合机制和边缘优化方法，以改善分割准确度。

    May, 2023

  • 混凝土桥梁结构异常的多视角三维实例分割，用于强化结构检查

    使用三阶段方法，在 3D 空间中从图像级别的检测模型上分割出异常实例，以实现有效的结构损伤评估。

    Jan, 2024

  • CoreDeep: 利用宽度随机性提高裂缝检测算法

    本文提出了一种基于随机宽度（SW）方法的裂缝检测算法，以减少颜色、强度、模糊等因素对算法性能的影响，在具有挑战性的背景情景下显著提高检测效果和降低误报率和漏报率，并通过多维度测评手段在客观和主观上对算法进行了验证。

    Sep, 2022