基于特征增强学习的路面裂缝病害视觉检测方法

摘要：

受路面复杂背景的干扰,既有的路面裂缝病害视觉检测算法易产生虚警和漏检问题.基于此,提出一种基于语义特征增强学习的路面裂缝病害检测方法.为了强化网络模型对图像浅层特征的利用,该算法以Unet++网络为裂缝检测的主框架,其通过融合更多的底层特征信息来提升裂缝病害检测的精度.在Unet++网络层间特征融合的基础上,根据不同卷积层的特征图属性,进一步差异性地引入视觉注意力计算模块,有效抑制背景杂波的干扰,减少虚警率.为了降低裂缝病害检测的漏检率,利用空洞卷积操作分别从2方面改进网络模型的训练过程:其一,应用空洞卷积代替传统的池化操作,通过网络的自动学习剔除无关紧要的特征信息,加强网络对细微裂缝特征的学习能力;其二,在网络上采样前,建立空洞卷积金字塔池化层,通过增加对裂缝特征的尺度多样性计算,保证网络模型在不同拍摄距离下裂缝病害检测的适用性.收集大量的路面裂缝图像数据并与不同算法进行对比分析,实验结果表明本算法取得了比全卷积网络、原始Unet++网络更优的裂缝检测效果.

关键词：裂缝检测、Unet++网络、注意力机制、空洞卷积

所属期刊栏目：19

分类号：TP391.41(计算技术、计算机技术)

资助基金：交通运输行业重点实验室;国铁集团实验室基础研究项目;国家自然科学基金;国家自然科学基金;国家自然科学基金;河北省高等学校科学技术研究项目;河北省重点研发计划项目;河北省自然科学基金创新研究群体项目;国家能源投资集团有限责任公司科技创新项目

在线出版日期：2022-08-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1927-1935