复杂石砌表面的无监督裂缝检测
计算机视觉与模式识别
2023-04-03 v1
摘要
用于检测建筑病害的计算机视觉长期以来引起研究人员的兴趣。基于视觉的裂缝检测是一种无损评估技术，这对于适用严格法规且即便简单干预也不被允许的文化遗产（CH）尤为有用。近来，应用于各类图像的浅层和深度机器学习架构正日益普及。本文提出了一种针对石砌墙体的裂缝检测方法。在所提方法中，裂缝检测被作为 RGB（红绿蓝）图像块上的无监督异常检测问题来处理。为此，部署并修改了一些最流行的先进 CNN（卷积神经网络）架构，通过对图像或图像块进行二分类（预测被测图像为“裂缝”或“无裂缝”特定类别）来二进制分类图像或图像块，并以高精度在 RGB 图像上检测并定位这些裂缝。模型测试在多个测试站点以及作者从互联网获取和收集的随机图像上进行，结果表明考虑到训练所需 epoch 数较少，特定网络相对于其余网络具有高性能。这些结果可与更复杂且计算量大的方法所达到的精度相媲美，而后者需要大量训练数据。源代码可在 GitHub https://github.com/pagraf/Crack-detection 获取，数据集可在 Zenodo https://doi.org/10.5281/zenodo.6516913 获取。
引用
@article{arxiv.2303.17989,
title = {Unsupervised crack detection on complex stone masonry surfaces},
author = {Panagiotis Agrafiotis and Anastastios Doulamis and Andreas Georgopoulos},
journal= {arXiv preprint arXiv:2303.17989},
year = {2023}
}
备注
Submitted to the Journal of Cultural Heritage, Elsevier, under review as of 31st of March 2023