基础设施裂缝分割：边界引导方法与基准数据集
计算机视觉与模式识别
2023-06-16 v1
摘要
裂缝是基础设施性能退化的关键指标，实现高精度的像素级裂缝分割是一个备受关注的问题。与直接采用新颖人工智能（AI）方法的常见研究范式不同，本文考察裂缝的固有特征，从而将边界特征引入裂缝识别，进而构建了具有针对性结构和模块的边界引导裂缝分割模型（BGCrack），包括高频模块、全局信息建模模块、联合优化模块等。大量实验结果验证了所提设计的可行性以及边缘信息在改善分割结果方面的有效性。此外，考虑到现有的知名开源数据集因易于获取主要由沥青路面裂缝构成，目前尚无针对钢结构（土木基础设施中的主要结构形式之一）的标准且广泛认可的数据集。本文提供了一个钢裂缝数据集，为钢裂缝识别建立了统一且公平的基准。
引用
@article{arxiv.2306.09196,
title = {Infrastructure Crack Segmentation: Boundary Guidance Method and Benchmark Dataset},
author = {Zhili He and Wang Chen and Jian Zhang and Yu-Hsing Wang},
journal= {arXiv preprint arXiv:2306.09196},
year = {2023}
}
备注
17 pages, 10 figures