设计混合神经系统中从基于分形的仿真学习真实世界裂缝分割
计算机视觉与模式识别
2023-09-19 v1 人工智能
机器学习
摘要
裂缝识别对于评估混凝土基础设施的结构完整性至关重要。然而，由于混凝土表面外观多样、光照与天气条件多变，以及不同缺陷相互重叠，鲁棒的裂缝分割对计算机视觉系统而言仍是一项挑战。特别是，近期的数据驱动方法受限于数据可用量少、裂缝标注细粒度且耗时，并面临难以泛化至分布外样本的后续困难。在本工作中，我们以双重方式克服这些挑战。我们引入了基于分形的高保真裂缝图形模拟器及相应的全标注裂缝数据集。随后，我们通过利用逐点互信息估计与自适应实例归一化作为归纳偏置，以从仿真中学习可泛化表示的系统对后者加以补充。最后，我们经实证强调不同设计选择如何协同以弥合仿真到真实的鸿沟，并最终证明我们所引入的系统能有效处理真实世界裂缝分割。
引用
@article{arxiv.2309.09637,
title = {Designing a Hybrid Neural System to Learn Real-world Crack Segmentation from Fractal-based Simulation},
author = {Achref Jaziri and Martin Mundt and Andres Fernandez Rodriguez and Visvanathan Ramesh},
journal= {arXiv preprint arXiv:2309.09637},
year = {2023}
}