典型文献
基于Swin-Unet的混凝土裂缝分割算法研究
文献摘要：
目前,卷积神经网络常用于混凝土裂缝分割领域中.本研究对卷积神经网络检测裂缝时检测精度低、丢失裂缝特征等问题,引入一种纯Transformer架构模型的Swin-Unet,通过使用Swin Transformer模块来代替卷积操作,可有效弥补卷积神经网络无法捕捉长距离特征及transformer难训练的缺陷,并在公共数据集和小样本数据集组合建立的3518张裂缝数据集上进行试验.试验结果表明,Swin-Unet取得了较好的成绩,表现出更好的检测效果,获得的IOU分数为0.70、F1分数为0.82,这表明Swin Transformer更有利于图片特征的提取.
文献关键词：
混凝土裂缝识别;深度学习;Swin-Unet
中图分类号：
作者姓名：
刘森
作者机构：
长沙理工大学土木工程学院,湖南 长沙 410114
文献出处：
引用格式：
[1]刘森-.基于Swin-Unet的混凝土裂缝分割算法研究)[J].河南科技,2022(23):13-17
A类：
B类：
Swin,Unet,裂缝分割算法,算法研究,神经网络检测,检测精度,裂缝特征,Transformer,卷积操作,长距离,距离特征,transformer,公共数据,小样本数据集,检测效果,IOU,图片特征,特征的提取,混凝土裂缝识别
AB值：
0.297652
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。
