基于改进DeeplabV3+和迁移学习的桥梁裂缝检测

作者：赵雪冰; 王俊杰

来源：计算机工程与应用, 2022, 1-10.

• 裂缝检测
• 小样本学习
• 迁移学习
• 语义分割
• 注意力机制

裂缝作为桥梁最主要的病害之一，及时高效地发现和评估裂缝对保持桥梁的健康状况至关重要。针对裂缝标注数据集成本高、检测精度低等问题，提出了一种基于注意力机制和迁移学习的改进DeeplabV3+模型。该模型通过添加注意力机制来获取丰富上下文信息，提高裂缝特征通道的学习能力，降低背景噪声影响；然后通过公共数据集和小样本数据集组合建立源域数据集、目标域数据集以供迁移学习使用，以此来降低训练样本过少对检测性能的影响。实验结果表明，改进DeeplabV3+模型对桥梁裂缝检测获得了较好的检测效果，检测精度达到了93.3%，较原始模型提高了3%；通过迁移学习训练模型在小样本数据上取得较高的检测精度，可节省大量标注成本。

• 单位
  中国海洋大学