摘要
本发明公开了基于Transformer‑CNN混合架构的结构裂缝检测方法,用于识别结构性裂缝的方法。包括数据采集:通过现场实地拍摄以及网络数据共同获取组成,来构建不同场景、不同光照条件的建筑结构裂缝数据;数据预处理:对所采集的数据通过旋转、裁剪等增强的操作,并通过人工手动标注的方法生成掩码图像,进一步的优化数据的质量;Transformer‑CNN分析:通过构建Transformer‑CNN混合模型,进而实现逐像素的裂缝定位,且对复杂背景和不规则裂纹模式具有较高的鲁棒性;数据评估:依据所提供的数据,进行测试和训练的结果比对,以及通过IoU、Accuracy等量化的分析进行数据的评估。本发明借助Transformer‑CNN混合架构的技术实现了裂缝的精准检测,有效的解决了传统的检测方法准确性低、效率不高等问题。
技术关键词
裂缝检测方法
数据
建筑结构裂缝
二值掩码图像
位置编码技术
识别结构
编码器
线性变换矩阵
多头注意力机制
输出特征
代表
解码器
前馈神经网络
表达式
序列
像素
系统为您推荐了相关专利信息
估计方法
蛋鸡
碳足迹核算
生命周期模型
系统边界
人脸特征向量
人脸识别方法
门禁系统
人脸识别系统
深度学习神经网络
多算法融合
海产品包装
预警系统
辐射探测器
数据
智能交易系统
信息共享平台
交易方法
电力
训练预测模型