科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了提高混凝土缺陷分割准确率和效率，提出一种轻量化MU-Net(Modified U-Net)像素级分割网络。编码部分使用深度可分离卷积减少网络参数，结合反残差结构和注意力机制，在充分提取特征的同时突出目标特征；解码部分同样引入深度可分离卷积和注意力机制，通过融合深浅层信息提升目标位置还原的准确性。为广泛评估该网络的有效性，构建了一个包括多类混凝土缺陷的数据集作为实验数据，涵盖裂缝、孔洞、破损、露筋四类缺陷。五折交叉验证结果表明，相较其它先进的语义分割网络，所提出的MU-Net网络表现出更优越的性能。
- 单位
