.png){kind=icon}
返回
UCSDC: Pixel-level rectangular self-calibrating crack segmentation network
.png){kind=icon}
PRE
AI
DOI：10.1016/j.istruc.2025.110090.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
像素级裂缝分割仍是一项具有挑战性的任务，这是由于裂缝边界的精度不足，可能导致在预测裂缝尺寸和扩展方向时出现误差。此外，复杂细节或背景嘈杂的区域容易出现被忽略或误分类的情况。为解决这些挑战，本文提出了一种像素级裂缝分割网络UCSDC，以提高分割精度。UCSDC采用U型架构，并配备了矩形自校准模块（RCM）和动态蛇形卷积（DSC），能够捕捉垂直和水平方向上的上下文信息。在DeepCrack和CFD数据集上，该网络在精度、召回率、F1分数和mIoU方面取得了最先进的表现。此外，还引入了两项新的评估指标——裂缝宽度误差（CWE）和裂缝边缘平滑度误差（CESE），UCSDC在这些指标上表现出最低的误差率。进一步地，本研究引入了SLcrack数据集，该数据集包含具有不同形态的裂缝图像，有助于评估实际场景中的分割精度。
期刊
IF:
4.3
论文数:
1.3W
被引数:
2.7W
机构
引用论文
Unified weakly and semi-supervised crack segmentation framework using limited coarse labels基于有限粗略标签的统一弱监督和半监督裂缝分割框架
PREAI
分享收藏DeepCrack: A deep hierarchical feature learning architecture for crack segmentation.png)
NEUROCOMPUTING
NEUROCOMPUTINGIF6.5
PREAI
分享收藏分享收藏A crack-segmentation algorithm fusing transformers and convolutional neural networks for complex detection scenarios一种用于复杂检测场景的融合变压器和卷积神经网络的裂纹分割算法
PREAI
分享收藏A Deep Learning-Based Fine Crack Segmentation Network on Full-Scale Steel Bridge Images With Complicated BackgroundsIEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏A three-dimensional large deformation meshfree method for arbitrary evolving cracks任意演化裂纹的三维大变形无网格方法OAAI
OAAI分享收藏
查看更多内容