基于生成对抗网络的隧道裂缝自动分割算法研究

摘要：

传统裂缝识别技术需要大量带标签的裂缝图像作为试验数据集,为减少裂缝图像标注的工作量,利用生成对抗网络图像分割的特性与优势,构建一种Crack-GAN网络用于隧道裂缝自动分割.Crack-GAN网络结构集成2个模块:融合残差化U-Net网络的生成器网络和利用全卷积网络生成置信图的判别器网络.首先U-Net模块使用密集的残差模块来生成保留细粒度信息的深层表示,然后判别器来判断输入真假,并以端到端的方式训练,再经过生成对抗模型之间不断迭代,使生成模型达到分割裂缝的最优状态.试验表明,Crack-GAN网络在自制铁路隧道裂缝数据集上的像素准确性为98.35％,精准率为71.23％,召回率为80.78％,F1得分为75.98％,单次检测时间80 ms,综合表现优于U-Net和CrackSegNet.

关键词：隧道裂缝分割、GAN网络、U-Net网络、自动分割

所属期刊栏目：45

分类号：TP391;U457(计算技术、计算机技术)

资助基金：北京市自然科学基金L221015

在线出版日期：2023-06-05（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：136-142