基于深度学习的全卷积网络图像裂纹检测

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.

关键词：深度学习、裂纹检测、全卷积网络、网络模型

所属期刊栏目：30

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金61461022,61761024

在线出版日期：2018-06-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：859-867