基于Res2Unet-CBAM网络的路面裂缝分割方法研究

作     者：王希良 王润琪 渠尊昊 WANG Xiliang;WANG Runqi;QU Zunhao

作者机构：石家庄铁道大学交通运输学院河北石家庄050043 石家庄铁道大学土木工程学院河北石家庄050043 

出 版 物：《石家庄铁道大学学报（自然科学版）》 (Journal of Shijiazhuang Tiedao University(Natural Science Edition))

年 卷 期：2024年第37卷第3期

页      码：69-74,81页

摘      要：裂缝类路面损坏是城市道路中常见的病害,能否在众多路面信息图像中高效获取路面裂缝信息,是当前领域研究的关键点.为得到更高精度的图像识别分析,结合深度学习领域,基于Res2Unet-CBAM网络模型进行路面裂缝图像分割工作,分析了公共数据集的实验结果,并对比了UGNet,Res2Net等多种语义分割模型,在此基础上设计了Res2-Unet多尺度路面裂缝分割网络模型.通过对常见通道注意力模块进行分析,将CBAM通道注意力模块引入Res2-Unet分割模型,构建了一种新的Res2Unet-CBAM网络模型用于路面裂缝图像的分割任务.将Res2Unet-CBAM模型与其他深度学习模型的实验结果进行对比,结果表明此模型具有更好的图像分割效果.

主 题 词：深度学习 路面检测 注意力机制 裂缝语义分割 

学科分类：08[工学] 0814[工学-地质类] 082301[082301] 0823[工学-农业工程类] 

D　O　I：10.13319/j.cnki.sjztddxxbzrb.20240136

馆 藏 号：203140033...