基于深度学习的全卷积网络图像裂纹检测

被引：87

作者：

王森

伍星

张印辉

陈庆

机构：

[1] 昆明理工大学机电工程学院

来源：

计算机辅助设计与图形学学报 | 2018年 / 05期

关键词：

深度学习; 裂纹检测; 全卷积网络; 网络模型;

D O I：

暂无

中图分类号：

TP18 [人工智能理论]; TP391.41 [];

学科分类号：

140502 [人工智能];

摘要：

为实现复杂背景下裂纹目标的有效检测及降低错误标记,将全卷积网络(FCN)引入图像裂纹检测中,并针对裂纹检测实验中FCN模型存在丢失局部信息和丧失部分精细化区分能力的问题,构建一种Crack FCN模型.首先在增大分辨率的同时,取消全连接层中的Dropout技术,以增大裂纹信息的选择;其次通过加深FCN的网络深度,使整个网络实现递进式特征传递;最后在网络之后添加更高尺度的反卷积层来扩充局部精细细节.在2 156幅自制的裂纹图像数据集上对文中模型、FCN-8s模型以及其他检测方法进行实验的结果表明,Crack FCN网络模型在提高检测精度的同时可以有效地降低错误标记.

引用

页码：859 / 867

页数：9

共 24 条

[1]

基于预浸纱自动铺放缺陷的分割算法 [J].