基于视觉的多尺度深度卷积神经网络结构检测
计算机视觉与模式识别
2018-05-04 v1
摘要
民用基础设施检测的现行实践方法通常由受过训练的检验员手动进行视觉评估。对于震后结构检测,待检结构数量往往远超可用检验员的能力。人工检测劳动密集且耗时的性质催生了利用计算机视觉技术自动识别损伤算法的研究。本文提出一种基于最先进计算机视觉算法的损伤定位与分类技术,以解决当前计算机视觉技术若干关键局限。所提算法使用深度卷积神经网络在多尺度上对每幅图像进行逐像素分类,可识别6种不同类型损伤。最终输出为分割图像,其中代表损伤的图像部分被勾画并分类为已训练损伤类别之一。所提方法在像素精度方面进行了评估,并展示了该方法在真实图像上的应用。
引用
@article{arxiv.1805.01055,
title = {Vision-based Structural Inspection using Multiscale Deep Convolutional Neural Networks},
author = {Vedhus Hoskere and Yasutaka Narazaki and Tu Hoang and BillieF Spencer},
journal= {arXiv preprint arXiv:1805.01055},
year = {2018}
}