基于深度学习的全卷积网络图像裂纹检测

• 作者: 伍星 张印辉 王森 陈庆
• 来源期刊: 计算机辅助设计与图形学学报
• 学科: 工学
• 关键词: 深度学习 裂纹检测 全卷积网络 网络模型
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 图像与视觉
• 页码范围: 859-867
• 页数: 9页
• 分类号: TP391.41
• 字数: 5848字
• 语种: 中文
• DOI: 10.3724/SP.J.1089.2018.16573

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2156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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张印辉	昆明理工大学机电工程学院	40	190	8.0	13.0
2	陈庆	昆明理工大学机电工程学院	18	48	4.0	6.0
3	伍星	昆明理工大学机电工程学院	109	394	10.0	14.0
4	王森	昆明理工大学机电工程学院	8	40	4.0	6.0