Autonomous concrete crack detection using deep fully convolutional neural network论文笔记
Autonomous concrete crack detection using deep fully convolutional neural network论文笔记
@(论文笔记)
1.实验
实验方法
作者想要采用一种对称的编码-解码FCN网络来进行裂缝像素和非裂缝像素的二类图像分割。首先,采用VGG16, InceptionV3和ResNet网络结构对以公开数据集进行裂缝与非裂缝图像进行二分类试验,选出分类准确性最好的结构,再将作为基础网络结构来进行裂缝图像分割。
数据集
混泥土裂缝数据集,包括两万张裂缝图像,两万张非裂缝图像,其中随机分布的600张裂缝图像,成对地带有像素的标记,即裂缝检测的标记图像。对于分类任务,训练集具有32000张图像,验证集有4000张图像,测试集有4000张图像。对于分割任务,训练集有400张图像,验证集100张,测试集100张。
三种FCN对裂缝分类能力对比
从图可以看出,对于裂缝图像分类来说,VGG和inception网络比resnet网络的准确性要明显地好,从loss值也同样能够看出。
网络结构
网络结构基本上就是Segnet网络结构。值得注意的是,该网络结构中间位置有一个1∗11*11∗1卷积层,这是segnet没有的,原文说这个卷积层是为了制造一个低分辨率分割。
裂缝检测性能评估
主要采用的Max F1 和 AP评价指标
最后作者论证了模型的裂缝检测能力,主要就是具体描述使用该模型进行检测的过程,展示了检测结果。另外,作者还提到了裂缝密度估计,评价指标就是裂缝像素数目占所有像素数目的比率。
2.阅读总结
作者自己并没提出什么对模型的改进,只是多次强调了迁移学习对于裂缝检测能力有提升,可是在论文中并没有做对比实验,相反的我在其他论文中看到说在Imagnet上预训练,迁移在裂缝数据集上二次训练是有害的。
我想作者的主要工作是,对三种FCN网络的分类裂缝能力进行了对比,然后验证的基于VGG16的编码-解码Segnent网络结构对裂缝检测能力的有效性。另外就是,提到了裂缝密度分析的概念。
- 多尺度R-CNN论文笔记(5): A Unified Multi-scale Deep Convolutional Neural Network for Fast Object Detection
- 论文笔记 MSCNN:A Unified Multi-scale Deep Convolutional Neural Network for Fast Object Detection
- 【论文笔记】Malware Detection with Deep Neural Network Using Process Behavior
- 论文笔记(一)Radio frequency interference mitigation using deep convolutional neural networks
- 论文阅读《Edge Detection Using Convolutional Neural Network》
- ASPLOS'17论文导读——SC-DCNN: Highly-Scalable Deep Convolutional Neural Network using Stochastic Computing
- 论文《A Convolutional Neural Network Cascade for Face Detection》笔记
- DeepLearning论文笔记(二):Understanding Deep Architectures using a Recursive Convolutional Network
- 论文笔记:R-FCN: Object Detection via Region-based Fully Convolutional Network
- ASPLOS'17论文导读——SC-DCNN: Highly-Scalable Deep Convolutional Neural Network using Stochastic Computing
- MSCNN论文解读-A Unified Multi-scale Deep Convolutional Neural Network for Fast Object Detection
- 论文《A Convolutional Neural Network Cascade for Face Detection》笔记
- MSCNN 论文解析(A Unified Multi-scale Deep Convolutional Neural Network for Fast Object Detection
- 【转】ASPLOS'17论文导读——SC-DCNN: Highly-Scalable Deep Convolutional Neural Network using Stochastic Comput
- 论文阅读笔记(一)——Deep Convolutional Neural Network with Independent
- 论文摘要: Multi-view Face Detection Using Deep Convolutional Neural Networks
- 【论文笔记】Scalable Object Detection using Deep Neural Networks
- Relation Classification via Convolutional Deep Neural Network 论文笔记
- MSCNN 论文解析(A Unified Multi-scale Deep Convolutional Neural Network for Fast Object Detection
- [论文解读] Vehicle Detection from 3D Lidar Using Fully Convolutional Network