缺陷分割：利用卷积神经网络从探地雷达数据映射隧道衬砌内部缺陷
计算机视觉与模式识别
2020-03-31 v1 机器学习
图像与视频处理
地球物理
摘要
本研究提出一种用于隧道衬砌内部缺陷无损检测的探地雷达（Ground Penetrating Radar, GPR）数据处理方法，称为缺陷分割。为执行这一隧道衬砌自动检测的关键步骤，该方法使用一种称为Segnet的CNN并结合Lovász softmax损失函数，利用GPR合成数据映射内部缺陷结构，从而提高了缺陷检测的准确性、自动化与效率。我们所提出的新方法克服了传统GPR数据解译的若干困难，这一点通过对合成与真实数据的评估得以证明——为在真实数据上验证该方法，我们设计并构建了一个含已知缺陷的测试模型，获取并分析了其GPR数据。
引用
@article{arxiv.2003.13120,
title = {Defect segmentation: Mapping tunnel lining internal defects with ground penetrating radar data using a convolutional neural network},
author = {Senlin Yang and Zhengfang Wang and Jing Wang and Anthony G. Cohn and Jiaqi Zhang and Peng Jiang and Peng Jiang and Qingmei Sui},
journal= {arXiv preprint arXiv:2003.13120},
year = {2020}
}
备注
24 pages,11 figures