Семантическая сегментация воздуха в кернах с шумоподавлением и постобработкой

Abstract

Представлены результаты по семантической сегментации воздуха для цифровых кернов из бетона. В качестве предобработки изображений использованы нормировка яркости и шумоподавление. Для увеличения эффективности сегментации предложен метод по сегментации в трех направлениях с последующим суммированием полученных масок и применением медианного фильтра. Полученные маски изображений обладают трехмерной структурой и могут использоваться для формирования обучающего набора данных для 3D-архитектур сверточных нейронных сетей. Также предложенный метод можно использовать для увеличения изображений в обучающей выборке при условии долгого времени разметки данных.

This paper presents results on semantic air segmentation for digital concrete cores. Brightness normalization and noise reduction were used as image preprocessing. To increase the efficiency of segmentation, a method is proposed for segmentation in three directions, followed by summing the resulting masks and using a median filter. The resulting image masks have a three-dimensional structure and can be used to generate a training dataset for 3D convolutional neural network architectures. The method proposed can be used as well to enlarge images in the training set if data labeling takes a long time.