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
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。
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
