| 利用轻量级高分辨率特征的隧道裂缝检测方法 |
| |
| 引用本文： | 刘宏伟,杜晓兵,徐政超,李伟,师昕. 利用轻量级高分辨率特征的隧道裂缝检测方法[J]. 计算技术与自动化, 2023, 0(2): 144-150 |
| |
| 作者姓名： | 刘宏伟 杜晓兵 徐政超 李伟 师昕 |
| |
| 作者单位： | （1. 陕西交通控股集团有限公司宝鸡分公司，陕西 宝鸡 721399；2. 西安工程大学 计算机科学学院，陕西 西安 710048；3. 长安大学 信息工程学院，陕西 西安 710064） |
| |
| 基金项目： | 国家自然基金面上资助项目(51978071)；;陕西省教育厅专项科研计划(21JK0646)； |
| |
| 摘 要： | 针对现有隧道检测车采集图像成像质量不佳，且洞壁存在大量病害相似物干扰的问题，提出了一种基于轻量化的HR(high resolution)-Net框架的隧道病害检测算法TC(tunnel crack)HR-Net。该算法保留了HR-Net的主干语义特征交换子网框架，移除其他分支子网络以降低模型体积。此外，为弥补“剪枝”操作导致的特征损失，在子网分支末端加入了SE模块，对特征的每一通道进行权重划分，以增强特征抽象水平。通过在与精细化标注隧道病害图像数据集上进行验证，本算法的mIoU指标分别达到80.21%与71.22%,高于其他对比算法，并接近HR-Net的检测结果，但是耗时比后者减少了30%。
|
| 关 键 词： | 隧道裂缝检测 语义分割 隧道检测车图像 轻量级HR-Net 语义特征提取 |
Tunnel Crack Detection Method Using Lightweight High-resolution Features |
| |
| LIU Hong-wei,DU Xiao-bing,XU Zheng-chao,LI Wei,SHI Xin. Tunnel Crack Detection Method Using Lightweight High-resolution Features[J]. Computing Technology and Automation, 2023, 0(2): 144-150 |
| |
| Authors: | LIU Hong-wei DU Xiao-bing XU Zheng-chao LI Wei SHI Xin |
| |
| Abstract: | |
| |
| Keywords: | tunnel disease detection semantic segmentation tunnel inspection vehicle images lightweight HR-Net semantic feature extraction |
|
| 点击此处可从《计算技术与自动化》浏览原始摘要信息 |
|
点击此处可从《计算技术与自动化》下载全文 |
