详细分析ResNet | 用CarNet教你如何一步一步设计轻量化模型(二)

简介: 详细分析ResNet | 用CarNet教你如何一步一步设计轻量化模型(二)

3实验


3.1 数据集

作者在4个公共数据库上评估网络,分别是Sun520、Rain365、bjn260和Crack360。

Sun520由520张在晴天拍摄的照片组成。它是目前最大的开源裂缝数据库。此外,裂缝图像的拍摄时间包括上午、下午和黄昏。换句话说,数据具有丰富的图像亮度。

Rain365包含了在雨后白天拍摄的365张图片。这些裂缝图像是指三种不同的背景,即完全湿润、部分湿润、部分干燥或完全干燥。其中全湿背景占多数。

BJN260包含260张北京夜景图片。夜晚的街道环境复杂多变,如光源、亮度强度等,造成裂缝检测困难。

为了节省计算资源,将上述三个数据库中图像的分辨率从3968×2240调整为480×320。在Sun520,Rain365,BJN260上分别随机选择400,300,200张图像进行训练,剩下的120,65,60张图像分别进行测试。

此外,为了验证模型对相对连续裂纹的影响,作者使用了cracktree260和CRKWH100分别用于训练和测试。前者包含260张图像,每个图像有800×600像素。这些图像在训练时被裁剪成512×512。后者包含100幅图像,每幅图像有512×512像素。为方便起见,将以上两个数据集统一为一个数据库,Crack360。

3.2 实验结果

image.png

image.png

image.png

通过在SUN520数据的实验结果可以看出,CarNet有更好的结果以及鲁棒性,同时具有更快的推理速度。

image.png

image.png

通过在RAIN365数据的实验结果可以看出,CarNet有更好的结果以及鲁棒性,同时具有更快的推理速度。

通过在BJN260数据的实验结果可以看出,CarNet有更好的结果以及鲁棒性,同时具有更快的推理速度。可以看出即使是夜间依然可以有很好的效果。


4参考


[1].CarNet: A Lightweight and Efficient Encoder-Decoder Architecture for High-quality Road Crack Detection

目录
打赏
0
0
0
0
34
分享
相关文章
何恺明ResNet级神作,分形生成模型计算效率狂飙4000倍!清华校友一作
何恺明ResNet级神作,分形生成模型计算效率狂飙4000倍!清华校友一作
鸟类识别系统Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+ResNet50算法模型+图像识别
鸟类识别系统。本系统采用Python作为主要开发语言,通过使用加利福利亚大学开源的200种鸟类图像作为数据集。使用TensorFlow搭建ResNet50卷积神经网络算法模型,然后进行模型的迭代训练,得到一个识别精度较高的模型,然后在保存为本地的H5格式文件。在使用Django开发Web网页端操作界面,实现用户上传一张鸟类图像,识别其名称。
173 12
鸟类识别系统Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+ResNet50算法模型+图像识别
【前沿经典模型】ResNet最强改进之ResNeSt(附源码)(二)
【前沿经典模型】ResNet最强改进之ResNeSt(附源码)(二)
569 0

热门文章

最新文章

AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等