基于深度学习的路面裂缝提取
Journal of Geomatics（2023）
摘要
裂缝是主要的路面损坏,路面裂缝自动化提取对于维护和监测路面状况至关重要.针对传统人工检测效率低、缺乏客观性等问题,提出了一种基于深度学习语义分割网络的路面裂缝自动提取方法,实现了由路面图像自动生成裂缝二值图.并且阐释了不同尺度特征对语义分割的好处,并结合裂缝本身细小的特性,在U-Net的基础上增加了大尺度特征提取分支.随后采用激励压缩模块进行两种特征的融合.在CFD(computational fluid dynamics)数据集上的实验表明,该改进算法的 F1 分数、kappa系数分别可达 74.28%和73.83%,相较于其他主流分割网络,提高了约2%.
更多关键词
automatic crack extraction,multi-scale features,squeeze and excitation module,feature fusion,semantic seg-mentation
AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要