融合高层场景理解的基于视觉的桥梁构件自动识别
计算机视觉与模式识别
2018-05-17 v1
摘要
图像数据由于采集便捷以及在捕捉视觉信息方面的优势，在辅助土木工程结构传统目视检测方面具有巨大潜力。已有多种技术被提出用于检测近距离单构件（柱、路面等）图像中的裂缝、剥落等损伤。然而，当图像包含不同结构的多个构件时，这些技术通常会出现严重的假阳性。为减少假阳性并提取关于结构状况的可靠信息，结构关键构件的检测与定位是损伤评估前的重要步骤。本研究旨在从城市场景图像中识别桥梁结构与非结构构件。在桥梁构件识别过程中，通过多尺度卷积神经网络（multi-scale CNNs）将每个图像像素分类为五类之一（非桥梁、柱、梁与板、其他结构、其他非结构）。为减少假阳性并获得一致标签，构件分类通过一个具有 10 个高层场景类（建筑、绿化、人、路面、标志与杆、车辆、桥梁、水体、天空、其他）的附加分类器与场景理解相融合。我们将融合场景理解的桥梁构件识别与无场景分类的朴素方法在准确率、假阳性和一致性方面进行比较，以证明该融合方法的有效性。
引用
@article{arxiv.1805.06041,
title = {Vision-based Automated Bridge Component Recognition Integrated With High-level Scene Understanding},
author = {Yasutaka Narazaki and Vedhus Hoskere and Tu A. Hoang and Billie F. Spencer},
journal= {arXiv preprint arXiv:1805.06041},
year = {2018}
}