针对裂缝自动检测任务中难以获取大量精确标注样本数据的问题,提出LGS-Net(Local Global Similarity-Network)模型。LGS-Net的核心在于利用裂缝图像区域的语义相似性,有效结合少量已标注数据和大量未标注图像数据,通过半监督学习实现裂...针对裂缝自动检测任务中难以获取大量精确标注样本数据的问题,提出LGS-Net(Local Global Similarity-Network)模型。LGS-Net的核心在于利用裂缝图像区域的语义相似性,有效结合少量已标注数据和大量未标注图像数据,通过半监督学习实现裂缝自动检测。为全面评估LGS-Net的性能,实验在GAPs384和Crack500数据集上进行验证。结果表明,在标注资源有限的情况下,LGS-Net能够实现高精度的裂缝检测。通过对检测结果的可视化分析,证明LGS-Net具有在复杂环境下有效识别裂缝的能力。LGS-Net利用路面裂缝图像的语义相似性特征进行检测,能为路面裂缝检测的工程应用提供技术支持。展开更多
文摘针对裂缝自动检测任务中难以获取大量精确标注样本数据的问题,提出LGS-Net(Local Global Similarity-Network)模型。LGS-Net的核心在于利用裂缝图像区域的语义相似性,有效结合少量已标注数据和大量未标注图像数据,通过半监督学习实现裂缝自动检测。为全面评估LGS-Net的性能,实验在GAPs384和Crack500数据集上进行验证。结果表明,在标注资源有限的情况下,LGS-Net能够实现高精度的裂缝检测。通过对检测结果的可视化分析,证明LGS-Net具有在复杂环境下有效识别裂缝的能力。LGS-Net利用路面裂缝图像的语义相似性特征进行检测,能为路面裂缝检测的工程应用提供技术支持。
