资料下载
×
基于改进U-Net网络建立HU-ResNet模型
消耗积分:0 |
格式:pdf |
大小:1.69 MB |
2021-03-17
分享资料个
针对混凝土结构表观裂缝检测准确率低、细节信息丢失及精度不髙等问题，提出一种利用HU-RεsNet卷积神经网络的混凝土表观裂缝检测方法。基于改进U-Net网络建立HU- Resnet模型，采用经 Imagenet预训练的Resnet34残差网络作为编码器，以保留裂缝细节信息并加速网络收斂，引入scSE注意力机制模块在空间和通道重新标定编码块与解码块的输岀特征，并利用超柱模块融合解码器各阶段所输岀特征图获取更精确的裂缝图像语乂信息和定位，同时采用组合损失函数进一步提高裂缝图像精度。实验结果表明，该模型的像素准确率、交并比和F值分别达到0.99040.6933和0.8166，优于Cany、区域生长等传统数字图像模型和FCN8s、U-Net、U- Resnet等深度学习模型且裂缝检测更精准。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
