基于改进Mask R-CNN的建筑钢筋尺寸检测算法

作者：闫天冉; 马晓静; 饶颖露; 杜延丽; 马思乐

来源：计算机工程, 2020, 1-10.

DOI：10.19678/j.issn.1000-3428.0058946

• 建筑智能监理
• 钢筋尺寸测量
• Mask R-CNN
• 自下而上路径
• 注意力机制 intelligent construction supervision
• rebar size measurement
• bottom-up path
• attention mechanism

建筑施工现场钢筋图像背景复杂、干扰较多，传统图像检测算法无法有效利用特征信息，难以满足现阶段建筑智能监理行业中钢筋尺寸检测精度的验收要求。因此提出一种加入自下而上路径和注意力机制的改进Mask R-CNN模型(BU-CS Mask R-CNN)，在建筑工地现场拍摄后，整理自建了钢筋数据集，并在此数据集上进行算法验证。实验结果表明，BU-CS Mask R-CNN模型的召回率、交并比和像素准确率较Mask R-CNN模型分别提升4.9%、6.8%和7.4%，钢筋直径和间距的尺寸检测精度分别提升14.9%和4.4%。BU-CS Mask R-CNN模型能够得到更加准确的钢筋目标检测框和边缘分割掩膜...

• 单位
  山东大学