Infrastructure Crack Segmentation: Boundary Guidance Method and Benchmark Dataset

要約

亀裂はインフラストラクチャのパフォーマンス低下を示す重要な指標となるため、高精度のピクセルレベルの亀裂セグメント化を達成することが懸案事項となっています。
新しい人工知能 (AI) 手法を直接採用する一般的な研究パラダイムとは異なり、この論文では、亀裂の識別に境界特徴を導入するために亀裂の固有の特性を調べ、ターゲットの構造とモジュールを備えた境界誘導亀裂セグメンテーション モデル (BGCrack) を構築します。
、高周波モジュール、グローバル情報モデリングモジュール、結合最適化モジュールなどを含む。広範な実験結果により、提案された設計の実現可能性と、セグメンテーション結果の改善におけるエッジ情報の有効性が検証されています。
さらに、注目すべきオープンソース データセットは、アクセスの容易さから主にアスファルト舗装の亀裂で構成されていることを考慮すると、土木インフラの主要な構造形式の 1 つである鉄骨構造については、標準的で広く認識されているデータセットがまだありません。
このペーパーでは、鋼の亀裂を識別するための統一された公平なベンチマークを確立する鋼の亀裂データセットを提供します。

要約(オリジナル)

Cracks provide an essential indicator of infrastructure performance degradation, and achieving high-precision pixel-level crack segmentation is an issue of concern. Unlike the common research paradigms that adopt novel artificial intelligence (AI) methods directly, this paper examines the inherent characteristics of cracks so as to introduce boundary features into crack identification and then builds a boundary guidance crack segmentation model (BGCrack) with targeted structures and modules, including a high frequency module, global information modeling module, joint optimization module, etc. Extensive experimental results verify the feasibility of the proposed designs and the effectiveness of the edge information in improving segmentation results. In addition, considering that notable open-source datasets mainly consist of asphalt pavement cracks because of ease of access, there is no standard and widely recognized dataset yet for steel structures, one of the primary structural forms in civil infrastructure. This paper provides a steel crack dataset that establishes a unified and fair benchmark for the identification of steel cracks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google