结合多尺度特征和注意力机制的公路裂缝检测

作者：张瑞燕

来源：现代电子技术, 2023, 46(03): 100-104.

DOI：10.16652/j.issn.1004-373x.2023.03.019

• 道路裂缝
• 裂缝检测
• 语义分割
• 多尺度特征融合
• 注意力机制
• 深度学习
• 网络模型改进
• 智能检测

由于航拍公路裂缝数据缺乏并且裂缝图像存在目标小、分布复杂的特点，导致语义分割模型在航拍公路裂缝检测中效果差，影响模型在实际场景的应用，为此提出基于改进DeeplabV3+的公路裂缝检测方法。构建语义分割模型，选定DeeplabV3+模型并作如下优化：由于低级特征包含更多裂缝细节信息，增加了提取低级特征的路径，从ASPP模块输出的特征为高级特征，高级特征包含更多语义信息，将两者信息进行融合能保证模型不丢失裂缝的细节信息；在网络中嵌入SCSE注意力模块抑制对其他无关信息的响应，改善模型在裂缝数据集检测效果差的问题。实验结果表明，改进DeeplabV3+算法可以有效解决模型对小目标裂缝分割时效果差的问题，模型的检测精度提高了2.59%，具有较强的应用价值，可以为实际公路裂缝检测提供参考。

• 单位
  中国海洋大学