基于改进U2-Net与迁移学习的无人机影像堤防裂缝检测OA北大核心CSTPCD
Crack detection of embankment in UAV images based on improved U2-Net and transfer learning
为准确便捷地从大范围背景复杂的堤防表面获取裂缝的形态信息,提出了 一种基于改进U2-Net(U2-ADSNet)的裂缝检测方法.该方法在U2-Net中融合深度可分离卷积和扩张卷积,扩大了原有模型的感受野,增强了对细节特征的学习能力,降低了模型参数;在少量无人机实测影像数据基础上,利用裂缝开源数据集进行迁移学习,降低了训练成本;通过切片预测实现对大范围无人机影像的裂缝检测,利用连通域搜索去除可能的误检.将U2-ADSNet与FCN、SegNet、U…查看全部>>
李怡静;程浩东;李火坤;王姣;胡强
南昌大学工程建设学院,江西南昌 330036南昌大学工程建设学院,江西南昌 330036南昌大学工程建设学院,江西南昌 330036江西省水利科学院,江西南昌 330029江西省水利科学院,江西南昌 330029
建筑与水利
堤防裂缝检测U2-Net无人机影像迁移学习语义分割
《水利水电科技进展》 2022 (6)
52-59,8
江西省水利厅科技项目(202123YBKT25)
评论