基于Swin-Unet的混凝土裂缝分割算法研究

作者：刘森

来源：河南科技, 2022, 41(23): 13-17.

DOI：10.19968/j.cnki.hnkj.1003-5168.2022.23.002

• 混凝土裂缝识别
• 深度学习
• Swin-Unet

目前，卷积神经网络常用于混凝土裂缝分割领域中。本研究对卷积神经网络检测裂缝时检测精度低、丢失裂缝特征等问题，引入一种纯Transformer架构模型的Swin-Unet，通过使用Swin Transformer模块来代替卷积操作，可有效弥补卷积神经网络无法捕捉长距离特征及transformer难训练的缺陷，并在公共数据集和小样本数据集组合建立的3 518张裂缝数据集上进行试验。试验结果表明，Swin-Unet取得了较好的成绩，表现出更好的检测效果，获得的IOU分数为0.70、F1分数为0.82，这表明Swin Transformer更有利于图片特征的提取。

• 单位
  长沙理工大学; 土木工程学院