面向极端事件多尺度损伤自动检测的端到端深度学习方法
计算机视觉与模式识别
2020-11-20 v1 机器学习
图像与视频处理
摘要
提出并测试了鲁棒的 Mask R-CNN（Mask Regional Convolutional Neural Network，掩码区域卷积神经网络）方法，用于自动检测在地震等极端事件中可能受损的结构或其构件上的裂缝。我们整理了一个包含 2021 张标注图像的新数据集用于训练与验证，旨在寻找用于现场裂缝检测的端到端深度神经网络。通过数据增强与参数微调，将带空间注意力机制的路径聚合网络（PANet）与高分辨率网络（HRNet）引入 Mask R-CNN。在三个具有低分辨率或高分辨率图像的公共数据集上的测试表明，所提方法相较其他网络有大幅提升，因此该方法或可满足实际应用中多尺度裂缝检测的需求。
引用
@article{arxiv.2011.03098,
title = {End-to-end Deep Learning Methods for Automated Damage Detection in Extreme Events at Various Scales},
author = {Yongsheng Bai and Halil Sezen and Alper Yilmaz},
journal= {arXiv preprint arXiv:2011.03098},
year = {2020}
}