Dual flow fusion model for concrete surface crack segmentation

要約

タイトル：コンクリート表面のひび割れセグメンテーションのためのデュアルフローフュージョンモデル

要約：
– ひび割れやその他の病気は、交通インフラの安全な運転に脅威を与える重要な要因である。
– 従来の手動検出および超音波計器検出は、多くの時間と資源コストを消費する。
– 深層学習技術の発展により、多くの深層学習モデルが実際の視覚セグメンテーションタスクで広く使用されている。
– 深層学習に基づくひび割れセグメンテーションには、背景ノイズに対する感度、粗いエッジ、頑健性の欠如などの問題がある。
– 本論文では、二重の流れ融合に基づくひび割れセグメンテーションモデルを提案し、画像を二つの設計された処理ストリームに同時に入力して、長距離に依存するものと局所的な詳細特徴を独立して抽出し、2つのヘッドメカニズムを介して適応的な予測を実現する。
– 同時に、異なるレベルの特徴の補完性を導いて複雑な背景でのひび割れの位置と識別を実現するための新しいインタラクティブ融合メカニズムが提案されている。
– 最後に、セグメンテーション精度を向上させるエッジ最適化方法を提案している。
– 実験では、DeepCrack[1]公開データセットのセグメンテーション結果のF1値は93.7％、IOU値は86.6％に達し、CRACK500[2]データセットのセグメンテーション結果のF1値は78.1％、IOU値は66.0％に達した。

要約(オリジナル)

Cracks and other diseases are important factors that threaten the safe operation of transportation infrastructure. Traditional manual detection and ultrasonic instrument detection consume a lot of time and resource costs. With the development of deep learning technology, many deep learning models are widely used in actual visual segmentation tasks. The detection method based on the deep learning model has the advantages of high detection accuracy, fast detection speed and simple operation. However, the crack segmentation based on deep learning has problems such as sensitivity to background noise, rough edges, and lack of robustness. Therefore, this paper proposes a fissure segmentation model based on two-stream fusion, which simultaneously inputs images into two designed processing streams to independently extract long-distance dependent and local detail features, and realizes adaptive prediction through a dual-head mechanism. At the same time, a new interactive fusion mechanism is proposed to guide the complementarity of different levels of features to realize the location and identification of cracks in complex backgrounds. Finally, we propose an edge optimization method to improve segmentation accuracy. Experiments have proved that the F1 value of the segmentation results on the DeepCrack[1] public dataset reached 93.7%, and the IOU value reached 86.6%; the F1 value of the segmentation results on the CRACK500[2] dataset reached 78.1%, and the IOU value reached 66.0%.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI