复杂场景下农村道路裂缝分割方法

摘要：

针对农村道路裂缝识别中存在训练样本数量少、场景单一、提取结果不准确等问题,本文首先依托辽宁省多年份实测道路图像数据,构建具有多种类、多场景的路面裂缝数据集(PCDs),以ResNet50为编码器、SegNet为解码器,构建路面裂缝图像识别模型Res-SegNet,通过增大卷积核的大小获取更丰富的裂缝信息,使用Focal Loss损失函数,令模型更专注困难样本.然后采用分块预测方法提升裂缝在图片中的占比,使图片预测更加精细.最后通过网络模型和预测方法进行对比试验.结果表明,使用Res-SegNet识别PCDs的测试集,在不同的场景中F值为0.691,使用Res-SegNet结合分块预测识别PCDs的测试集,在不同的场景中F值达0.753.

关键词：裂缝识别、深度学习、数据集、Res-SegNet模型、分块预测

分类号：P23(摄影测量学与测绘遥感)

资助基金：国家自然科学基金;宿迁市指导性科技计划项目

在线出版日期：2022-06-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：74-78,88