留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

一种改进型Mask R-CNN模型的路面裂缝识别方法

肖力炀 李伟 袁博 崔逸群 高荣 王文庆

肖力炀, 李伟, 袁博, 崔逸群, 高荣, 王文庆. 一种改进型Mask R-CNN模型的路面裂缝识别方法[J]. 武汉大学学报 ● 信息科学版. doi: 10.13203/j.whugis20210279
引用本文: 肖力炀, 李伟, 袁博, 崔逸群, 高荣, 王文庆. 一种改进型Mask R-CNN模型的路面裂缝识别方法[J]. 武汉大学学报 ● 信息科学版. doi: 10.13203/j.whugis20210279
XIAO Liyang, LI Wei, YUAN Bo, CUI Yiqun, GAO Rong, WANG Wenqing. Pavement Crack Automatic Identification Method Based on Improved Mask R-CNN Model[J]. Geomatics and Information Science of Wuhan University. doi: 10.13203/j.whugis20210279
Citation: XIAO Liyang, LI Wei, YUAN Bo, CUI Yiqun, GAO Rong, WANG Wenqing. Pavement Crack Automatic Identification Method Based on Improved Mask R-CNN Model[J]. Geomatics and Information Science of Wuhan University. doi: 10.13203/j.whugis20210279

一种改进型Mask R-CNN模型的路面裂缝识别方法

doi: 10.13203/j.whugis20210279
基金项目: 

国家重点研发计划“综合交通运输与智能交通”专项(2018YFB1600202);国家自然科学基金面上项目(51978071);国家自然科学基金青年科学基金资助项目(51908059)

详细信息
    作者简介:

    肖力炀,硕士,主要从事人工智能与深度学习领域的研究。E-mail:liyang_xiao@163.com

  • 中图分类号: U418.6

Pavement Crack Automatic Identification Method Based on Improved Mask R-CNN Model

Funds: 

Supported by the National Key Research and Development Program “Comprehensive Transportation and Intelligent Transportation” Special Project (2018YFB1600202),the National Natural Science Foundation of China (51978071) and the Youth Fund of the National Natural Science Foundation of China (51908059).

计量
  • 文章访问数:  104
  • HTML全文浏览量:  9
  • PDF下载量:  4
  • 被引次数: 0
出版历程
  • 收稿日期:  2021-06-25

一种改进型Mask R-CNN模型的路面裂缝识别方法

doi: 10.13203/j.whugis20210279
    基金项目:

    国家重点研发计划“综合交通运输与智能交通”专项(2018YFB1600202);国家自然科学基金面上项目(51978071);国家自然科学基金青年科学基金资助项目(51908059)

    作者简介:

    肖力炀,硕士,主要从事人工智能与深度学习领域的研究。E-mail:liyang_xiao@163.com

  • 中图分类号: U418.6

摘要: 为了解决现有裂缝识别算法的准确度不高、检测与分割任务不能同时进行等问题,本文提出了一种基于改进型Mask R-CNN模型的路面裂缝识别方法。首先,建立本文的裂缝数据集并进行标注,然后使用Mask R-CNN模型对裂缝数据集进行训练和测试,并对模型中锚点的长宽比进行调整,实现在裂缝定位的同时对生成检测框内的裂缝像素进行分割;其次,针对Mask R-CNN模型生成裂缝检测框的不精准问题,设计了一种改进的C-Mask RCNN多阈值检测方法,通过结合级联不同阈值的检测器来提高候选框质量,实现高阈值检测下的裂缝精准定位;最后,对改进后的模型进行一系列的优化参数和实验对比,并验证所提模型的有效性。实验结果表明,C-Mask RCNN模型检测部分的准确率达到95.4%,与改进前模型相比提升了9.7%,分割部分的准确率达到93.5%,与改进前相比提升了13.0%,识别效果较好。综上所述,本文提出的C-Mask RCNN模型可以较为完整的对裂缝进行定位及提取,识别精度较高。

English Abstract

肖力炀, 李伟, 袁博, 崔逸群, 高荣, 王文庆. 一种改进型Mask R-CNN模型的路面裂缝识别方法[J]. 武汉大学学报 ● 信息科学版. doi: 10.13203/j.whugis20210279
引用本文: 肖力炀, 李伟, 袁博, 崔逸群, 高荣, 王文庆. 一种改进型Mask R-CNN模型的路面裂缝识别方法[J]. 武汉大学学报 ● 信息科学版. doi: 10.13203/j.whugis20210279
XIAO Liyang, LI Wei, YUAN Bo, CUI Yiqun, GAO Rong, WANG Wenqing. Pavement Crack Automatic Identification Method Based on Improved Mask R-CNN Model[J]. Geomatics and Information Science of Wuhan University. doi: 10.13203/j.whugis20210279
Citation: XIAO Liyang, LI Wei, YUAN Bo, CUI Yiqun, GAO Rong, WANG Wenqing. Pavement Crack Automatic Identification Method Based on Improved Mask R-CNN Model[J]. Geomatics and Information Science of Wuhan University. doi: 10.13203/j.whugis20210279
参考文献 (13)

目录

    /

    返回文章
    返回