CNN Leggera per Rilevamento in Tempo Reale di Crepe nei Ponti con UAV
Una nuova architettura di rete neurale convoluzionale leggera consente la classificazione in tempo reale di crepe durante ispezioni di ponti con UAV a 825 FPS con soli 11,21 milioni di parametri. Il modello affronta quattro sfide chiave: caratteristiche deboli delle crepe, imaging degradato, squilibrio delle classi e risorse computazionali limitate. Integra un backbone leggero, attenzione CBAM, potenziamento specifico per scene di ispezione e Focal Loss. I test sul dataset SDNET2018 confermano l'elevata efficienza.
Fatti principali
- Il framework proposto raggiunge una velocità di inferenza di 825 FPS
- Il modello ha 11,21 milioni di parametri
- Affronta caratteristiche deboli delle crepe, imaging degradato, squilibrio delle classi e risorse computazionali limitate
- Utilizza CBAM per il potenziamento spaziale e dei canali
- Impiega un potenziamento robusto diretto basato su priorità della scena di ispezione
- Utilizza Focal Loss per l'apprendimento su campioni difficili
- Testato sul dataset SDNET2018 di ponti
- Pubblicato come arXiv:2604.27617v1
Entità
Istituzioni
- arXiv