混凝土内部损伤破坏形态具有明显的离散性和随机性,内部损伤特征检测是混凝土细观研究的重要内容.针对已有混凝土结构内部损伤特征检测模型精度低的问题,提出一种特征共享双头Cascade R-CNN模型对混凝土CT图像的损伤特征进行检测.首先,...混凝土内部损伤破坏形态具有明显的离散性和随机性,内部损伤特征检测是混凝土细观研究的重要内容.针对已有混凝土结构内部损伤特征检测模型精度低的问题,提出一种特征共享双头Cascade R-CNN模型对混凝土CT图像的损伤特征进行检测.首先,为了有效识别损伤特征的空间信息,构建具有空间敏感性的fc-head(fully connected head)与空间相关性的conv-head(convolution head)相结合的Cascade R-CNN网络模型;其次,通过特征共享的方法将检测网络各层级分类信息进行融合,提升低IOU(intersection over union)阈值(0.5~0.7) ROI (regions of interest)检测任务的精度.实验结果表明,所提方法在检测混凝土CT图像的损伤特征中平均精度达到91.31%,比原始的Cascade R-CNN提高3.04%,低IOU阈值(0.5~0.7) ROI平均精度提高1.49%,该模型可以较好地从混凝土CT图像中检测出细观损伤部分,具有精度高、运算简单、易于工程实现等特点.展开更多
文摘混凝土内部损伤破坏形态具有明显的离散性和随机性,内部损伤特征检测是混凝土细观研究的重要内容.针对已有混凝土结构内部损伤特征检测模型精度低的问题,提出一种特征共享双头Cascade R-CNN模型对混凝土CT图像的损伤特征进行检测.首先,为了有效识别损伤特征的空间信息,构建具有空间敏感性的fc-head(fully connected head)与空间相关性的conv-head(convolution head)相结合的Cascade R-CNN网络模型;其次,通过特征共享的方法将检测网络各层级分类信息进行融合,提升低IOU(intersection over union)阈值(0.5~0.7) ROI (regions of interest)检测任务的精度.实验结果表明,所提方法在检测混凝土CT图像的损伤特征中平均精度达到91.31%,比原始的Cascade R-CNN提高3.04%,低IOU阈值(0.5~0.7) ROI平均精度提高1.49%,该模型可以较好地从混凝土CT图像中检测出细观损伤部分,具有精度高、运算简单、易于工程实现等特点.
