matlab图片叠加的代码image_segmentation
并检测各种规模的裂缝。
基本数据包括在国家航空大学(乌克兰)进行的金属样品疲劳测试过程中拍摄的图像。
在疲劳测试期间,以指定的时间间隔捕获标本。
每次试样测试的结果是一排图像,裂纹逐渐增大。
每个标本的图像都经过了预处理,从而使裂纹在每个图像行的动态变化的基础上突出显示。
初始图像和预处理后图像的示例(放大到裂纹区域)
在对来自不同样本的图像进行预处理之后,将测试合并到单个数据集中。
对于每个图像,遮罩都是使用matlab代码创建的,因为它具有在图像上绘制的简单功能。
使用创建的数据集,对u-net模型进行了训练。
损失功能专门针对当前任务进行了修改。
由于裂缝区域相对于图像大小(1080x768)小,因此遮罩的0像素比1像素多得多。
可以使用通常的损失类别加权,但是这种方法可以训练模型,而忽略小裂缝。
因此,减肥是专门针对每个图像示例的(训练前叉大小选择为等于1)。
然后,在每次训练迭代中,算法将训练模板的0和1像素的数量进行比较,并根据类别与类别的比率调整损失权重。
下方显示了来自验证图像的模型输出结果。
输入图像有裂
2021-08-14 11:07:05
3.63MB
系统开源
1