典型文献
基于Mask RCNN的桥梁裂缝检测方法设计及研究
文献摘要：
裂缝是桥梁道路上常见的一种病害,针对其检测准确率有待提高的问题,提出了基于Mask RCNN(region-based convolutional neural networks)的桥梁裂缝检测算法,设计了语义增强模块(semantic enhancement module,SEM),将该模块与特征金字塔网络(feature pyramid network,FPN)相结合,通过特征融合Add计算得到新的多尺度特征图feature maps.针对裂缝形态复杂多样存在识别困难的问题,将裂缝做了两类划分进行检测,并制定了两种策略进行对比实验.实验结果表明:该文中改进的方法可以得到更好的检测结果,检测准确率Accuracy可达99.8％,平均检测精度(mean average precision,mAP)提高了12.6％.
文献关键词：
Mask RCNN算法;特征金字塔;语义增强;裂缝分类
中图分类号：
作者姓名：
廖延娜;豆丹阳
作者机构：
西安邮电大学 电子工程学院,陕西 西安 710121
文献出处：
引用格式：
[1]廖延娜;豆丹阳-.基于Mask RCNN的桥梁裂缝检测方法设计及研究)[J].应用光学,2022(01):100-105,118
A类：
B类：
Mask,RCNN,桥梁裂缝检测,方法设计,检测准确率,region,convolutional,neural,networks,裂缝检测算法,语义增强,semantic,enhancement,module,特征金字塔网络,feature,pyramid,FPN,特征融合,Add,多尺度特征图,maps,裂缝形态,缝做,Accuracy,检测精度,mean,average,precision,mAP,裂缝分类
AB值：
0.45888
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。
