具备语义引导的实时高分辨率裂缝分割神经网络
计算机视觉与模式识别
2024-02-06 v2
摘要
深度学习在裂缝分割中发挥着重要作用，但多数工作利用现成或改进的模型，这些模型并非专门为该任务开发。对物体位置与细节敏感的高分辨率卷积神经网络有助于提升裂缝分割性能，却与实时检测相冲突。本文描述 HrSegNet，一种专为裂缝分割设计、具备语义引导的高分辨率网络，其在保证实时推理速度的同时保留裂缝细节。在复合数据集 CrackSeg9k 与场景特定数据集 Asphalt3k 和 Concrete3k 上评估后，HrSegNet 取得了超越对比模型的最先进分割性能与效率。该方法表明高分辨率建模与实时检测之间存在权衡，这促进了边缘设备在实际应用中分析裂缝的使用。
引用
@article{arxiv.2307.00270,
title = {Real-time High-Resolution Neural Network with Semantic Guidance for Crack Segmentation},
author = {Yongshang Li and Ronggui Ma and Han Liu and Gaoli Cheng},
journal= {arXiv preprint arXiv:2307.00270},
year = {2024}
}