ERCUnet:一种基于U-Net改进的道路裂缝检测模型

摘要：

针对传统的道路裂缝检测方法存在灵活度不高、普适性不强等问题,本文参考ResNet中的残差设计和U-Net模型的U形编码解码结构,设计一种基于U-Net改进的道路裂缝检测模型——ERCUnet.该模型以残差块为主体,针对裂缝检测优化不同深度卷积层的卷积核数量,模型中所有的残差块结构相同,模型整体结构更加整齐和简单,具有可塑性好、结构性强,残差结构不仅使特征融合更加充分,也避免了深层卷积神经网络梯度消失的问题.实验在CrackForest数据集上进行,将CrackForest的118张含标注图片按照5:1的比例划分训练集和测试集,通过一系列数据增广方法,有效缓解了训练数据过少的问题.损失函数融合了交叉熵和F1分数,缓解了正负样本不均衡的问题,最终的实验结果显示ERCU-net模型参数量仅为U-Net(BN)模型的13.30％,在测试集上的查全率、查准率、F1值均达70％以上,噪声率、准确率分别为29.05％、99.01％.为证实ERCUnet的可塑性,通过修改模型参数得到ERCUnet-tiny模型,其参数量仅为U-Net(BN)模型的2.39％,在测试集上取得了与U-Net(BN)相近的效果.

关键词：道路裂缝检测、U-Net、残差结构、数据增广

分类号：TP391.41(计算技术、计算机技术)

资助基金：郑州大学大学生创新创业训练计划资助项目;国家自然科学基金;国家重点研发计划

在线出版日期：2022-08-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：33-39,53