Learning-Based Defect Recognitions for Autonomous UAV Inspections

要約

自動亀裂検出とセグメンテーションは、無人航空機検査のシステム全体で重要な役割を果たします。
この論文では、Alexnet、VGG、Resnet などの古典的なネットワーク アーキテクチャに基づいて、クラック検出のためのディープ ラーニング フレームワークを実装しました。
さらに、機能ピラミッド ネットワーク アーキテクチャに触発され、クラック セグメンテーションで効率的な階層型畳み込みニューラル ネットワーク (CNN) 深層学習フレームワークも提案され、そのパフォーマンスが他の最先端のネットワーク アーキテクチャと比較されます。
既存の亀裂検出およびセグメンテーション データセットを要約し、研究コミュニティ向けにオープンソース化された、亀裂検出およびセグメンテーション用のインターネット上で最大の既存のベンチマーク データセットを確立しました。
私たちのフィーチャ ピラミッド クラック セグメンテーション ネットワークは、ベンチマーク データセットでテストされ、満足のいくセグメンテーション結果が得られます。
自動無人航空機検査のフレームワークも提案されており、さまざまなコンクリート構造物のひび割れ検査タスクのために確立されます。
すべての自己確立されたデータセットとコードは、https://github.com/KangchengLiu/Crack-Detection-and-Segmentation-Dataset-for-UAV-Inspection でオープンソース化されています。

要約(オリジナル)

Automatic crack detection and segmentation play a significant role in the whole system of unmanned aerial vehicle inspections. In this paper, we have implemented a deep learning framework for crack detection based on classical network architectures including Alexnet, VGG, and Resnet. Moreover, inspired by the feature pyramid network architecture, a hierarchical convolutional neural network (CNN) deep learning framework which is efficient in crack segmentation is also proposed, and its performance of it is compared with other state-of-the-art network architecture. We have summarized the existing crack detection and segmentation datasets and established the largest existing benchmark dataset on the internet for crack detection and segmentation, which is open-sourced for the research community. Our feature pyramid crack segmentation network is tested on the benchmark dataset and gives satisfactory segmentation results. A framework for automatic unmanned aerial vehicle inspections is also proposed and will be established for the crack inspection tasks of various concrete structures. All our self-established datasets and codes are open-sourced at: https://github.com/KangchengLiu/Crack-Detection-and-Segmentation-Dataset-for-UAV-Inspection

arxiv情報

提供元, 利用サービス

arxiv.jp, Google