CoreDeep：利用宽度随机性改进裂缝检测算法
计算机视觉与模式识别
2024-01-01 v2 人工智能
摘要
在图像中自动检测或分割裂缝有助于降低维护或运营成本。在具有挑战性的背景场景下，为损伤分析而检测、测量和量化裂缝是一项困难任务，因为裂缝与背景之间没有明确边界。所开发的算法应应对数据固有的挑战。一些可感知到的挑战包括颜色、强度、深度、模糊、运动模糊、方向、缺陷的不同感兴趣区域（ROI）、尺度、光照、复杂且具挑战性的背景等。这些变化出现在图像之间（裂缝类间）和图像内部（裂缝类内变异性）。总体而言，存在显著背景（类间）和前景（类内）变异性。本工作中，我们试图减少这些在挑战性背景场景下的变化影响。我们提出了一种随机宽度（SW）方法来降低这些变化的影响。我们提出的方法提高了可检测性，并显著减少了假阳性和假阴性。我们从客观指标（平均IoU、假阳性和假阴性）和主观指标（感知质量）两方面对算法性能进行了度量。
引用
@article{arxiv.2209.04648,
title = {CoreDeep: Improving Crack Detection Algorithms Using Width Stochasticity},
author = {Ram Krishna Pandey and Akshit Achara},
journal= {arXiv preprint arXiv:2209.04648},
year = {2024}
}