-
题名基于改进TResNet的下水道缺陷识别算法
- 1
-
-
作者
晏润冰
李明辉
李煜博
张梦圆
李金彪
张奇
-
机构
陕西科技大学机电工程学院
-
出处
《西安理工大学学报》
北大核心
2023年第4期567-575,共9页
-
基金
陕西省科技厅重点研发计划资助项目(2023-YBGY-0697)
陕西省咸阳市重点研发计划资助项目(L2022ZDYF-GY-008)。
-
文摘
同一张下水道图像可能同时反映多种类型的下水道缺陷,所以应对下水道图像进行多标签缺陷预测。为了进一步解决城市下水道复杂场景中缺陷的多标签自动分类问题,本文提出了一种两阶段的下水道缺陷类型识别方法。第一阶段,使用二分类卷积神经网络(CNN)模型检测下水道图像是否存在缺陷;第二阶段,使用改进TResNet模型对下水道图像具体缺陷类型进行多标签分类,该模型在TResNet基础上引入了捕获空间相关类别信息的特定类别残差注意力(CSRA)模块,从而提升了网络的多标签识别能力。考虑到不同类型缺陷造成的经济影响程度不同,使用加权缺陷类别经济影响指数的F 2-CIW指标以及标准F 1分数指标来评价模型的性能。实验结果表明,在下水道数据集Sewer-ML Dataset上,本文方法的F 1-Normal和F 2-CIW指标取得了90.41%和53.57%的测试得分,相比其它方法具有更好的缺陷识别性能。
-
关键词
下水道缺陷识别
多标签分类
TResNet
特定类别的残差注意力模块
-
Keywords
sewer defect identification
multi-label classification
TResNet
CSRA
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
