改进Mask R-CNN公路病害检测算法

摘要：

针对公路路面病害与背景像素对比度低导致检测困难的问题,本文提出了改进Mask R-CNN公路病害检测算法(FAC-Mask R-CNN).首先在ResNet101基础上增加强位置信息浅层特征表达,并融合相邻特征图作为主干网络最终特征输出,同时引入CBAM模块,以减弱目标与背景像素间低对比度的影响;然后采用深度可分离卷积和空洞卷积分别代替主干网络及有效特征层输出过程应用的普通卷积,提升模型计算效率及掩码预测精度.FAC-Mask R-CNN在公路路面病害数据集(RDD)上平均精确率为89.86％,召回率为88.54％,调和均值为90％,相较于Mask R-CNN算法平均精确率提升3.09％.结果表明,FAC-Mask R-CNN能有效完成公路路面病害精细化检测与分割任务.

关键词：病害检测、实例分割、特征融合、注意力机制、深度可分离卷积、空洞卷积

分类号：P237(摄影测量学与测绘遥感)

资助基金：国家自然科学基金42071343

在线出版日期：2023-02-20（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：58-64