结合多尺度特征和注意力机制的公路裂缝检测

摘要：

由于航拍公路裂缝数据缺乏并且裂缝图像存在目标小、分布复杂的特点,导致语义分割模型在航拍公路裂缝检测中效果差,影响模型在实际场景的应用,为此提出基于改进DeeplabV3+的公路裂缝检测方法.构建语义分割模型,选定DeeplabV3+模型并作如下优化:由于低级特征包含更多裂缝细节信息,增加了提取低级特征的路径,从ASPP模块输出的特征为高级特征,高级特征包含更多语义信息,将两者信息进行融合能保证模型不丢失裂缝的细节信息;在网络中嵌入SCSE注意力模块抑制对其他无关信息的响应,改善模型在裂缝数据集检测效果差的问题.实验结果表明,改进DeeplabV3+算法可以有效解决模型对小目标裂缝分割时效果差的问题,模型的检测精度提高了2.59％,具有较强的应用价值,可以为实际公路裂缝检测提供参考.

关键词：道路裂缝、裂缝检测、语义分割、多尺度特征融合、注意力机制、深度学习、网络模型改进、智能检测

所属期刊栏目：46

分类号：TN911.73⁃34;TP319.4

资助基金：中央高校基本科研业务费20170105

在线出版日期：2023-02-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：100-104