典型文献
基于改进U2-Net与迁移学习的无人机影像堤防裂缝检测
文献摘要：
为准确便捷地从大范围背景复杂的堤防表面获取裂缝的形态信息,提出了 一种基于改进U2-Net(U2-ADSNet)的裂缝检测方法.该方法在U2-Net中融合深度可分离卷积和扩张卷积,扩大了原有模型的感受野,增强了对细节特征的学习能力,降低了模型参数;在少量无人机实测影像数据基础上,利用裂缝开源数据集进行迁移学习,降低了训练成本;通过切片预测实现对大范围无人机影像的裂缝检测,利用连通域搜索去除可能的误检.将U2-ADSNet与FCN、SegNet、U-Net和DeepCrack等语义分割模型在堤防裂缝数据集上进行对比,验证了 U2-ADSNet的有效性,该模型经过迁移学习后交并比达到78.55％,综合评价指标值为87.87％,可用于堤防裂缝的检测.
文献关键词：
堤防;裂缝检测;U2-Net;无人机影像;迁移学习;语义分割
中图分类号：
作者姓名：
李怡静;程浩东;李火坤;王姣;胡强
作者机构：
南昌大学工程建设学院,江西南昌 330036;江西省水利科学院,江西南昌 330029
文献出处：
引用格式：
[1]李怡静;程浩东;李火坤;王姣;胡强-.基于改进U2-Net与迁移学习的无人机影像堤防裂缝检测)[J].水利水电科技进展,2022(06):52-59
A类：
ADSNet,DeepCrack
B类：
U2,迁移学习,无人机影像,堤防,防裂,裂缝检测,深度可分离卷积,扩张卷积,感受野,细节特征,影像数据,数据基础,开源数据集,练成,过切,连通域,FCN,SegNet,语义分割,分割模型,交并比,比达,综合评价指标,指标值
AB值：
0.266636
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
