.png){kind=icon}
返回
Diffusion-enhanced semantic segmentation for underground crack detection
.png){kind=icon}
PRE
AI
DOI：10.1016/j.autcon.2025.106721.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• MMask引导的扩散模型相比基准模型提升了9.1%的mIoU。
• 两阶段流水线通过过滤非裂缝块优化推理时间。
• 对先验掩码和特征提取器的消融研究提供了有价值的见解。
• 方差阈值后处理去除了高不确定性像素。
• 在都柏林港隧道的实地试验中，mIoU提升了0.063，并且假阳性减少。
期刊
IF:
11.5
论文数:
6.3K
被引数:
4.2W
机构
引用论文
Review on computer vision-based crack detection and quantification methodologies for civil structures基于计算机视觉的土木结构裂缝检测与量化方法综述
PREAI
分享收藏SRDiff: Single image super-resolution with diffusion probabilistic modelsSRDiff: 具有扩散概率模型的单幅图像超分辨率.png)
NEUROCOMPUTING
OAAI
NEUROCOMPUTINGIF6.5
OAAI分享收藏Automatic tunnel lining crack detection via deep learning with generative adversarial network-based data augmentation基于生成对抗网络的数据增强的深度学习隧道衬砌裂缝自动检测UNDERGROUND SPACEOAAI
UNDERGROUND SPACEIF8.3
OAAI分享收藏Rock fracturing observation based on microseismic monitoring and borehole imaging: In situ investigation in a large underground cavern under high geostress基于微地震监测和钻孔成像的岩石压裂观测: 在高地应力下的大型地下洞室原位调查
PREAI
分享收藏Single-stripe-enhanced spacetime stereo reconstruction for concrete defect identification混凝土缺陷识别的单条纹增强时空立体重建OAAI
OAAI分享收藏
查看更多内容