基于FCN的路面裂缝分割算法

韩静园; 王育坚; 谭卫雄; 李深圳

doi:10.13873/J.1000-9787(2022)06-0146-04

Chinese

您当前的位置：

首页 >

文章列表页 >

基于FCN的路面裂缝分割算法

计算与测试 | 更新时间：2025-09-11

- 基于FCN的路面裂缝分割算法
- 基于FCN的路面裂缝分割算法
- 传感器与微系统 2022年第6期页码：146-149
- 作者机构：
  
  北京联合大学智慧城市学院
- 作者简介：
- 基金信息：
- DOI：10.13873/J.1000-9787(2022)06-0146-04
  中图分类号： U416.2;TP391.41
- 纸质出版：2022
- 稿件说明：
移动端阅览
韩静园, 王育坚, 谭卫雄, 等. 基于FCN的路面裂缝分割算法[J]. 传感器与微系统, 2022,(6):146-149.

基于FCN的路面裂缝分割算法[J]. 2022, (6): 146-149.
韩静园, 王育坚, 谭卫雄, 等. 基于FCN的路面裂缝分割算法[J]. 传感器与微系统, 2022,(6):146-149. DOI： 10.13873/J.1000-9787(2022)06-0146-04.

基于FCN的路面裂缝分割算法[J]. 2022, (6): 146-149. DOI： 10.13873/J.1000-9787(2022)06-0146-04.

摘要

为了准确地对路面裂缝进行分割，提高复杂背景下路面裂缝分割的效果，将全卷积神经网络（FCN）用于路面裂缝分割。考虑FCN无法对裂缝边缘、图案和形状等特征分配权重，提出一种基于FCN的路面裂缝分割改进算法。通过分析特征通道之间的关系，在FCN的池化层加入挤压和激励模块。利用权重对原始特征在通道上进行重标定，以提升重要特征和抑制无用特征，自适应地为裂缝边缘、图案和形状等特征分配权重。使用真实的路面裂缝数据集对改进模型进行训练，完成了模型的测试和验证。实验结果表明：改进模型的路面分割效果良好，分割结果的误检率、漏检率和DSC综合评价指标等都有较好的改善。

Abstract

关键词

Keywords

references

智慧公路关键技术发展综述 [J]. 吴建清,宋修广. 山东大学学报(工学版) . 2020(04)

基于布谷鸟搜索的路面裂缝图像检测算法 [J]. 程玉柱,李赵春,余伟. 传感器与微系统 . 2019(08)

基于改进的全卷积神经网络的路面裂缝分割技术 [J]. 翁飘,陆彦辉,齐宪标,杨守义. 计算机工程与应用 . 2019(16)

基于区域级和像素级特征的路面裂缝检测方法 [J]. 韩锟,韩洪飞. 铁道科学与工程学报 . 2018(05)

混凝土表面裂缝检测的多级聚类算法 [J]. 董安国,张仙艳,薛宏智,宋君. 交通运输工程学报 . 2013(06)

基于形态学的SVM—Adaboost裂缝分类研究 [D]. 王怡新. 长安大学 2017

Squeeze-and-Excitation Networks [J] . Hu Jie,Shen Li,Albanie Samuel,Sun Gang,Wu Enhua. IEEE Transactions on Pattern Analysis and Machine Intelligence . 2019 (8)

浏览量

427

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据