西安邮电大学 电子工程学院，陕西 西安 710121
裂缝是桥梁道路上常见的一种病害，针对其检测准确率有待提高的问题，提出了基于Mask RCNN（region-based convolutional neural networks）的桥梁裂缝检测算法，设计了语义增强模块（semantic enhancement module，SEM），将该模块与特征金字塔网络（feature pyramid network，FPN）相结合，通过特征融合Add计算得到新的多尺度特征图feature maps。针对裂缝形态复杂多样存在识别困难的问题，将裂缝做了两类划分进行检测，并制定了两种策略进行对比实验。实验结果表明：该文中改进的方法可以得到更好的检测结果，检测准确率Accuracy可达99.8%，平均检测精度（mean average precision，mAP）提高了12.6%。
Mask RCNN算法 特征金字塔 语义增强 裂缝分类 Mask RCNN algorithm feature pyramid semantic enhancement crack classification
河北工业大学人工智能与数据科学学院, 天津 300100
光学遥感图像目标检测一直都是遥感领域研究的热点之一,但现有的检测方法对背景复杂且尺寸较小的目标检测准确率不高。针对以上问题,提出了一种以Mask-RCNN为基础框架的目标检测方法。该算法以ResNet50为特征提取网络并在此基础之上利用特征重用技术来更好地提取目标的语义特征,且针对不同类型的飞机尺寸比例不固定等特点,设计了一组更加合适的候选框尺度集合。实验结果证明,该方法与以往常用的检测算法相比在小物体检测上拥有更高的检测精度。
图像处理 遥感图像 卷积神经网络 目标检测 Mask-RCNN算法 深度学习 激光与光电子学进展
2020, 57(4): 041007
