TrueDeep：一种少数据裂缝检测的系统化方法
计算机视觉与模式识别
2023-05-31 v1
摘要
监督与半监督语义分割算法需要大量标注数据方能取得良好性能。在许多情形下，数据难以获取或标注成本高昂。本工作的目标在于表明，通过将领域知识与深度学习架构相结合，我们可用更少的数据达到相近性能。我们利用公开的裂缝分割数据集，证明借助知识筛选输入图像能显著提升基于深度学习的架构性能。我们所提方法具有多重优势，如低标注与训练成本、低能耗。我们从平均交并比（mIoU）与 F 值角度定量衡量算法性能。以全部数据 23% 开发的算法在测试数据上表现相近，并在多个盲测数据集上显著更优。
引用
@article{arxiv.2305.19088,
title = {TrueDeep: A systematic approach of crack detection with less data},
author = {Ram Krishna Pandey and Akshit Achara},
journal= {arXiv preprint arXiv:2305.19088},
year = {2023}
}