-
题名图像语义分割方法概述
- 1
-
-
作者
蒋冬梅
彭成东
-
机构
安徽水利水电职业技术学院电子信息工程学院
合肥云诊信息科技有限公司
合肥工业大学计算机与信息学院
-
出处
《电脑知识与技术》
2025年第12期90-94,共5页
-
基金
安徽省重点研究与开发计划项目(2022h11020018)
安徽省科技重大专项计划(202303a07020008)
+1 种基金
新安医学与中医药现代化研究所揭榜挂帅项目(2024CXMMTCM002)
安徽省高校自然科学研究项目(2022AH052293)。
-
文摘
图像语义分割旨在对图像中每个像素进行语义类别的预测。文章系统综述了传统图像语义分割算法,基于深度学习的以FCN、DeconvNet和HRNet为代表的经典CNN网络,以及基于视觉Transformer的ViTs和HVTs架构的语义分割网络,并分析了语义分割常用的公开数据集、模型评价指标及语义分割相关的研究趋势。
-
关键词
语义分割
高分辨率分割
FCN
deconvnet
HRNet
ViTs
HVTs
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于深度学习的混凝土结构表面裂缝检测
被引量：7
- 2
-
-
作者
李彦葓
李鹏飞
吕淼
-
机构
重庆交通大学河海学院
清华大学水沙科学与水利水电工程国家重点实验室
-
出处
《混凝土》
CAS
北大核心
2022年第8期187-192,共6页
-
基金
重庆市教委科学技术研究项目(KJQN201800741)
珠三角水资源配制工程科技项目(WW2018231,WW2018225)。
-
文摘
混凝土结构裂缝的结构安全问题是目前人们关注的热点,而裂缝是影响建筑物安全的重要因素之一。所以提出了1种基于深度学习的混凝土结构表面裂缝检测方法。首先运用了数据增强的方式丰富了裂缝图像数据集,再利用深度学习技术,选用DeconvNet反卷积网络模型进行模型的训练学习。将图像拼接技术与深度学习相结合应用在混凝土结构裂缝检测中,并且对图像中的裂缝特征进行分析,测量出裂缝的角度、宽度和长度。结果显示,测试集的识别率达到了71.17%,准确率达到了97.92%,使用数据增强增加了模型的泛化能力,使模型具有更好的识别效果,能够对混凝土结构表面裂缝进行完整还原。
-
关键词
深度学习
图像拼接
deconvnet网络
数据增强
裂缝特征
-
Keywords
deep learning
image mosaic
deconvnet network
data augmentation
crack characteristics
-
分类号
TU528.07
[建筑科学—建筑技术科学]
-
