专注于使用实例规范化波段层的裂
Lei Guo1,2,3, Fengguang Xiong1,2,3, Yaming Cao1,2,3
1Shanxi Key Laboratory of Machine Vision and Virtual Reality, North University of China, Taiyuan 030051, China.
Sensors (Basel, Switzerland)
|January 11, 2025
概括
这项研究引入了一种新的实例规范化波段 (INW) 层,以改进自动破裂检测. INW层增强了特征提取和噪声过,从而实现更好的识别和更快的模型融合,用于裂细分.
科学领域:
- 计算机视觉 计算机视觉
- 图像处理 图像处理
- 深度学习 (Deep Learning) 是一种深度学习.
背景情况:
- 自动裂检测对于结构健康监测至关重要,但由于复杂的裂拓,多样性和背景噪声而面临挑战.
- 现有的方法在杂的数据中难以准确地细分薄而复杂的裂模式.
研究的目的:
- 开发一个先进的深度学习层,用于增强自动裂检测和细分.
- 提高裂纹检测模型的准确性,概括能力和融合速度.
主要方法:
- 介绍了一种新的实例规范化波段 (INW) 层,灵感来自波段理论.
- 将INW层嵌入到深度学习模型中,用于破解细分任务.
- 整合一个融合层来整合多层信息.
主要成果:
- 该INW层有效地捕获裂纹特征,同时过高频噪声.
- 在INW层内的实例规范化减轻了特征差异,改善了模型的概括性.
- 对DeepCrack和CRACK500数据集的实验结果显示,识别和融合性能稳步提升.
结论:
- 拟议的INW层显著改善了自动裂检测和细分性能.
- 该方法为具有复杂特征和噪声的挑战性裂检测场景提供了强大的解决方案.
- INW层加快了模型训练的融合,并提高了整体识别的准确性.
