轻量化沥青路面裂缝图像分割网络PIPNet |
| |
引用本文: | 封筠,毕健康,霍一儒,李家宽.轻量化沥青路面裂缝图像分割网络PIPNet[J].计算机应用,2024(5):1520-1526. |
| |
作者姓名: | 封筠 毕健康 霍一儒 李家宽 |
| |
作者单位: | 石家庄铁道大学信息科学与技术学院 |
| |
基金项目: | 河北省高等学校科学技术研究重点项目(ZD2021333)~~; |
| |
摘 要: | 裂缝分割是对路面病害损坏程度评估的重要前提,为平衡深度神经网络分割的有效性与实时性,提出一种基于U-Net编码-解码结构的轻量化沥青路面裂缝图像分割网络PIPNet(Parallel dilated convolution of Inverted Pyramid Network)。编码部分为倒金字塔结构,提出了具有不同空洞率的多分支并行空洞卷积模块,结合深度可分离卷积和普通卷积,逐级减少并行卷积的个数,对表层、中层及底层特征提取多尺度信息并降低模型复杂度;同时借鉴GhostNet特点,设计了逆残差轻量化模块,嵌入并行双池化注意力。在GAPs384数据集上的测试结果表明,PIPNet在参数量(Params)和计算量(MFLOPs)仅为ResNet50编码近1/6的情况下,平均交并比(mIoU)提高了1.10个百分点,且较轻量化GhostNet和SegNet分别高出4.14与9.95个百分点。实验结果表明,PIPNet在降低模型复杂度的同时,有着较好的裂缝分割性能,且对不同路面裂缝图像分割适应性良好。
|
关 键 词: | 沥青路面图像 裂缝分割 轻量化神经网络 倒金字塔结构 并行空洞卷积 |
|
|