改进的HRNet应用于路面裂缝分割与检测

摘要：

针对利用传统卷积神经网络进行路面裂缝分割时存在准确率低、信息丢失及边缘模糊的问题,本文提出了基于改进HRNet模型的路面裂缝分割算法.模型在原始HRNet的基础上进行改进,主干网络部分采用DUC模块代替双线性插值上采样;下采样改为passthrough layer代替原始卷积;在模型解码部分,进行逐级上采样的同时引入SE-Block,对不同特征层的融合重新标定权重.通过与原始HRNet及传统卷积神经网络U-Net对比可知,本文算法在公共数据与自制数据集上的分割精度表现优秀,F1分值分别达到了91.31％和78.69％,可以很好地满足实际工程的需求.

关键词：路面裂缝、HRNet、DUC、passthrough layer、SE-Block、图像分割

分类号：P208(一般性问题)

资助基金：国家自然科学基金;兰州交通大学优秀平台

在线出版日期：2022-04-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：83-89