典型文献
基于改进Mask-RCNN的路面裂缝检测
文献摘要：
随着长期的使用,路面会出现大小不一的裂缝.路面裂缝对来往车辆的安全性有较大的潜在危险,针对路面裂缝进行检测很有必要.传统的检测方法依赖于人工的视觉检查,这需要技术人员逐像素地标注每张图像,效率不高且会造成较高的误差.同时,常用的图像处理方法容易受到光照、路面污渍等因素影响,造成检测结果不稳定.为减轻技术人员的工作量,提高路面裂缝的检测效果,提出一种基于Mask-RCNN网络的路面裂缝自动化检测方法.该方法在Mask-RCNN网络基础上,对网络模型的架构和非极大抑制模块进行改进,能够在图像质量不高、具有干扰因素的情况下对路面裂缝进行稳定检测,具有较高的检测性能.在路面裂缝检测实验中,召回率(Recall)、精确率(Precision)及F1值分别达到90.06％,91.25％和90.66％,相较于原始Mask-RCNN网络方法具有较强的优势.
文献关键词：
图像处理;深度学习;Mask-RCNN;路面裂缝
中图分类号：
[2]
交通运输（U）
/
公路运输（U4）
/
道路工程（U41）
/
路基、路面工程（U416）
/
路面工程（U416.2）
/
路面：按使用材料分（U416.21）
/
沥青路面（U416.217）
作者姓名：
游江川
作者机构：
昆明理工大学信息工程与自动化学院,云南 昆明 650500
文献出处：
引用格式：
[1]游江川-.基于改进Mask-RCNN的路面裂缝检测)[J].电视技术,2022(06):7-9,19
A类：
B类：
Mask,RCNN,路面裂缝检测,面会,大小不一,来往,潜在危险,视觉检查,像素,素地,地标,每张,效率不高,污渍,检测效果,自动化检测,网络基础,非极大抑制,图像质量,干扰因素,定检,检测性能,召回率,Recall,精确率,Precision
AB值：
0.339232
相似文献
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。
