3 个月前

基于超分辨率联合学习的低分辨率图像裂缝分割

基于超分辨率联合学习的低分辨率图像裂缝分割

摘要

本文提出了一种在低分辨率图像上进行裂纹分割的方法。通过从低分辨率图像中进行超分辨率重建,估计高分辨率图像中的详细裂纹特征。所提出的方法针对裂纹分割任务对超分辨率结果进行了优化。为此,本文设计了一种名为“边界组合损失(Boundary Combo Loss)”的新损失函数,用于有效表征裂纹的局部细节。实验结果表明,该方法在性能上优于以往多种方法的组合方案。

基准测试

基准方法指标
crack-segmentation-on-khanhha-s-dataset-4xCSSR (SR→SS)
Average IOU: 0.518
IoU_max: 0.587
crack-segmentation-on-khanhha-s-dataset-4xCSSR (SS→SR)
Average IOU: 0.558
IoU_max: 0.558
crack-segmentation-on-khanhha-s-dataset-4x-1CSSR (w/ PSPNet)
AHD95: 24.74
Average IOU: 0.539
HD95_min: 21.20
IoU_max: 0.557

用 AI 构建 AI

从想法到上线——通过免费 AI 协同编程、开箱即用的环境和市场最优价格的 GPU 加速您的 AI 开发

AI 协同编程
即用型 GPU
最优价格
立即开始

Hyper Newsletters

订阅我们的最新资讯
我们会在北京时间 每周一的上午九点 向您的邮箱投递本周内的最新更新
邮件发送服务由 MailChimp 提供
基于超分辨率联合学习的低分辨率图像裂缝分割 | 论文 | HyperAI超神经