复杂背景下的路面裂缝检测的关键技术 |
| |
引用本文: | 杨泽,孙静宇.复杂背景下的路面裂缝检测的关键技术[J].计算机工程与设计,2023(5):1519-1527. |
| |
作者姓名: | 杨泽 孙静宇 |
| |
作者单位: | 太原理工大学软件学院 |
| |
摘 要: | 针对目前路面裂缝检测方法在复杂环境下识别率较低、鲁棒性较差的问题,提出一种改进网络CBAM-Res-GhostNet对路面裂缝实现有效分类。在卷积神经网络中引入Ghost模块和改进残差模块,加入卷积注意力,避免梯度消失和过拟合现象,实现对路面裂缝的准确判断;在此基础上,提出一种改进网络Self-Attention-UNet对路面裂缝区域进行高精度分割,引入自注意力机制增强模型裂缝特征提取能力,提高分割精度。在EdmCrack600数据集上,所提分类算法准确度达到99.13%,分割算法的精准率和F1值分别为86.85%和86.6%,相较原始方法具有更好的分类分割效果。
|
关 键 词: | 计算机视觉 裂缝检测 深度学习 图像处理 U型卷积神经网络 注意力 残差模块 |
|
|