Сегментация трещин на бетоне с Improved UNet
Высокоточная сегментация трещин на изображениях бетона с использованием усовершенствованной архитектуры UNet.
Описание
Обзор проекта
Данный глубокоучебный проект предназначен для обнаружения и сегментации трещин на изображениях бетона с использованием усовершенствованной архитектуры UNet. Модель демонстрирует исключительную производительность с коэффициентом Dice 99.77% и IoU 99.54%.
Ключевые особенности
Высокопроизводительный UNet: 4-уровневый кодер-декодер с BatchNorm и Dropout.
Расширенная аугментация данных: 8 различных техник аугментации для повышения обобщающей способности.
Автоматическая инверсия маски: Автоматическое обнаружение и обработка инвертированных масок.
Комбинированная функция потерь: Взвешенная комбинация потерь Dice (60%) + BCE (40%).
Надежная предобработка: Автоматическое определение пути к набору данных (локально/Google Colab).
Комплексная валидация: Множественные метрики (Dice, IoU, F1, Precision, Recall).
Готовность к использованию в продакшене: Простая функция вывода для новых предсказаний.
Результаты
МетрикаЗначениеDice Score99.77%IoU Score99.54%F1 Score99.77%Precision99.54%Recall100.00%Training Loss0.0162Validation Loss0.0139
Архитектура модели
ImprovedUNet
Вход: RGB изображения (3 канала, 256×256).
Кодер: 4 уровня с сверткой + BatchNorm + ReLU + Dropout.
«Бутылочное горлышко» (Bottleneck): Извлечение глубоких признаков.
Декодер: 4 уровня с транспонированной сверткой + сквозные соединения.
Выход: Бинарная маска сегментации (1 канал).
Общее количество параметров: ~7.8M.
Модель обучена на наборе данных, состоящем из 800 изображений бетона (256x256) и соответствующих масок трещин. Используемые техники аугментации включают горизонтальное и вертикальное отражение, повороты, аффинные преобразования, изменение цветовых характеристик и гауссово размытие. Оптимизатор AdamW с адаптивной скоростью обучения и комбинированной функцией потерь обеспечивают высокую производительность.
Быстрый старт
Пример использования модели для предсказания:
Ссылки
samir-mohamed/concrete-crack-segmentation
Ссылки
https://https://huggingface.co/samir-mohamed/concrete-crack-segmentation
Предпросмотр файлов
В этой модели нет файлов для предпросмотра.
