Segment Anything Model 在民用基础设施缺陷评估中的应用
计算机视觉与模式识别
2024-10-03 v2 图像与视频处理
摘要
本研究评估了 SAM 与 U-Net 两种深度学习模型在检测混凝土结构裂缝方面的性能。结果表明，每种模型在检测不同类型裂缝时各有优势与局限。利用 SAM 独特的裂缝检测方式，图像被划分为多个部分以识别裂缝位置，使其在纵向裂缝检测上更为有效。另一方面，U-Net 模型可识别正标签像素以准确检测剥落裂缝的大小与位置。通过结合两种模型，可获得更准确、更全面的裂缝检测结果。使用先进技术进行裂缝检测对于确保混凝土结构的安全与耐久至关重要。本研究对土木工程具有重要意义，因为 SAM 与 U-Net 模型可用于桥梁、建筑、道路等多种混凝土结构，提升裂缝检测的精度与效率，并在维护与修复中节省时间与资源。总之，本研究提出的 SAM 与 U-Net 模型为混凝土结构裂缝检测提供了有前景的解决方案，并可通过发挥两模型优势获得更准确、更全面的结果。
引用
@article{arxiv.2304.12600,
title = {Application of Segment Anything Model for Civil Infrastructure Defect Assessment},
author = {Mohsen Ahmadi and Ahmad Gholizadeh Lonbar and Hajar Kazemi Naeini and Ali Tarlani Beris and Mohammadsadegh Nouri and Amir Sharifzadeh Javidi and Abbas Sharifi},
journal= {arXiv preprint arXiv:2304.12600},
year = {2024}
}