科研之友
微信
新浪微博
Facebook
分享链接
摘要
<正>一、引言本文针对桥梁裂缝图像的特点，提出了一种融合卷积神经网络和传统图像处理的新型裂缝检测与测量方法，实现裂缝高准确度检测及其参数的像素级测量。本文的主要贡献：1.将语义分割用于图像预处理，精确地去除外部环境干扰；2.调整了CNN网络架构和数据集构成，可对图像进行准确度更高的裂缝分类；3.用提取的特征图进行图像重构，用于像素级精度的裂缝长度测量。二、基于CNN的桥梁裂缝检测基于卷积神经网络的图像分类和参数检测流程如图1所示。
- 单位
<正>一、引言本文针对桥梁裂缝图像的特点，提出了一种融合卷积神经网络和传统图像处理的新型裂缝检测与测量方法，实现裂缝高准确度检测及其参数的像素级测量。本文的主要贡献：1.将语义分割用于图像预处理，精确地去除外部环境干扰；2.调整了CNN网络架构和数据集构成，可对图像进行准确度更高的裂缝分类；3.用提取的特征图进行图像重构，用于像素级精度的裂缝长度测量。二、基于CNN的桥梁裂缝检测基于卷积神经网络的图像分类和参数检测流程如图1所示。
