用于路面裂缝检测的特征金字塔与层级提升网络
计算机视觉与模式识别
2019-01-28 v2
摘要
路面裂缝检测是保障道路安全的关键任务。人工裂缝检测极其耗时。因此，需要一种自动的道路裂缝检测方法来推进这一进程。然而，由于裂缝的强度不均匀性和背景的复杂性（例如，与周围路面的低对比度以及可能存在的具有相似强度的阴影），这仍然是一项具有挑战性的任务。受深度学习在计算机视觉领域近期进展的启发，我们提出了一种名为特征金字塔与层级提升网络（FPHBN）的新型网络架构，用于路面裂缝检测。所提出的网络以特征金字塔的方式将语义信息整合到低级特征中以进行裂缝检测。并且，它通过分层嵌套的样本重加权，平衡了易样本和难样本对损失的贡献。为了证明所提方法的优越性和通用性，我们在五个裂缝数据集上对其进行了评估，并将其与最先进的裂缝检测、边缘检测和语义分割方法进行了比较。大量实验表明，所提方法在准确率和通用性方面均优于这些最先进的方法。
引用
@article{arxiv.1901.06340,
title = {Feature Pyramid and Hierarchical Boosting Network for Pavement Crack Detection},
author = {Fan Yang and Lei Zhang and Sijia Yu and Danil Prokhorov and Xue Mei and Haibin Ling},
journal= {arXiv preprint arXiv:1901.06340},
year = {2019}
}