相关实验视频
Updated: Jun 11, 2025
04:48
Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique
Published on: July 5, 2024
376
Dmg2前AR:视觉变压器具有适应性重新缩放,用于高分辨率的结构视觉检查
Kareem Eltouny1,2, Seyedomid Sajedi1,3, Xiao Liang4
1Department of Civil, Structural and Environmental Engineering, University at Buffalo, The State University of New York, Buffalo, NY 14260, USA.
Sensors (Basel, Switzerland)
|September 28, 2024
概括
本研究介绍了一种新的语义细分架构,用于基于无人机的结构检查. 它可以在高分辨率图像上快速,准确地检测像素级损坏,同时减少计算负载.
科学领域:
- 结构工程 结构工程
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 无人机和先进的成像提高结构评估,但图像处理是耗时的.
- 当前的方法在处理过程中经常会从高分辨率图像中丢失关键细节.
- 有效准确的损坏检测对于及时评估结构状况至关重要.
研究的目的:
- 开发一个语义分段架构,用于在结构检查中快速准确地在像素级检测损坏.
- 为应对高分辨率检查图像高效处理的挑战.
- 在图像分析过程中保存微裂纹和边缘等关键细节.
主要方法:
- 视觉转换器与拉普拉斯金字塔缩放网络的集成.
- 开发两个非统一的图像重新缩放网络,以减少计算需求.
- 关于Dmg2Former的建议,这是一个具有Swin变压器骨干的低分辨率细分网络.
主要成果:
- 拟议的架构允许在高分辨率图像上详细识别损坏.
- 显著减少对图像处理的计算需求.
- 在公共数据集上成功验证,用于诸如裂检测和材料识别等任务.
结论:
- 开发的方法为详细的视觉检查分析提供了计算效率高的解决方案.
- 微裂等细节的保存是通过适应性重新缩放来实现的.
- 这种方法显著加快了使用无人机图像的结构状况评估过程.
