[论文解读] Crack Detection Using Enhanced Hierarchical Convolutional Neural Networks

Qiuchen Zhu, Manh Duong Phung+1 more|arXiv (Cornell University)|Dec 13, 2019

Infrastructure Maintenance and Monitoring参考文献 16被引用 7

一句话总结

本文提出了一种改进的分层卷积神经网络（HCNN），用于无人机采集图像中的裂缝检测，通过分支网络减少下采样过程中的特征损失，并通过特征保持模块改善梯度流动。该方法在处理噪声纹理和低分辨率图像时，相较于最先进的模型（如CrackNet-V），表现出更优的准确率和稳定性。

ABSTRACT

Unmanned aerial vehicles (UAV) are expected to replace human in hazardous tasks of surface inspection due to their flexibility in operating space and capability of collecting high quality visual data. In this study, we propose enhanced hierarchical convolutional neural networks (HCNN) to detect cracks from image data collected by UAVs. Unlike traditional HCNN, here a set of branch networks is utilised to reduce the obscuration in the down-sampling process. Moreover, the feature preserving blocks combine the current and previous terms from the convolutional blocks to provide input to the loss functions. As a result, the weights of resized images can be reduced to minimise the information loss. Experiments on images of different crack datasets have been carried out to demonstrate the effectiveness of proposed HCNN.

研究动机与目标

• 为解决在复杂背景和光照变化条件下无人机采集图像中的裂缝检测挑战。
• 通过引入分支网络和特征保持模块，减少深层分层网络中下采样过程的信息损失。
• 通过增强深层特征抽象能力和梯度流动，提升模型的稳定性和准确率。
• 开发一个端到端框架，在裂缝分割任务中超越现有深度学习方法。

提出的方法

• 该架构在DeepCrack框架基础上扩展，采用基于SegNet的编码器-解码器结构，包含5个模块共13个卷积层，结合最大池化和索引存储以实现特征恢复。
• 在编码器-解码器路径的中间位置引入一种新型分支网络，用于融合高层与低层特征，提升特征表征能力。
• 特征保持模块将当前与前一时刻的特征图进行结合，以稳定训练过程并减少下采样过程中的信息退化。
• 在多个层级应用损失函数，实现对中间特征的直接监督，从而改善梯度流动。
• 网络采用跳跃连接和基于索引的上采样，以重建高分辨率输出，同时保留边界细节。
• 分割使用恒定阈值0.5，未来工作建议采用迭代阈值法以提升噪声处理能力。

实验结果

研究问题

• RQ1 如何增强分层CNN以减少裂缝检测中下采样过程的信息损失？
• RQ2 引入分支网络对裂缝分割中的特征抽象能力和模型准确率有何影响？
• RQ3 在多种数据集上，所提方法与SOTA模型（如CrackNet-V）在F-score和Q-measure上的表现如何比较？
• RQ4 模型性能在多大程度上依赖于训练数据质量与标签一致性？
• RQ5 所提框架能否扩展至多任务学习，用于裂缝检测与严重程度分类？

主要发现

• 与CrackNet-V相比，所提HCNN在SYDCrack数据集和作者自建的无人机数据集上均实现了更高的F-score和更低的Q-measure，表明其准确率更高且结果更均匀。
• 在SYDCrack数据集上，所提方法与CrackNet-V的F-score差异更小，表明其在分辨率和强度分布各异的数据集上表现出更优的稳定性。
• 与CrackNet-V相比，该模型在纹理背景下的分割结果中产生的假阴性更少、噪声更少。
• 实验结果表明，随着训练轮数增加（如20轮 vs. 5轮），模型能有效减少噪声并使裂缝轮廓更清晰，表明其收敛性更优。
• 该方法对标签质量敏感，当真实标签不一致或不准确时，性能会下降。
• 模型性能受限于散射噪声以及对不规则纹理缺乏洞察，提示需改进训练数据并引入更先进的阈值处理方法。