文档摘要：针对深度学习模型应用在道路裂缝检测时,存在裂缝提取不完整及检测速度慢等问题,提出了一种基于ResNet34骨干网络并结合通道注意力和空间注意力机制对特征图进行多级特征融合学习的算法.提出的算法由特征提取网络、多级特征融合模块构成,能够生成清晰准确的裂缝分割图像.其中,特征提取网络提取三原色(RGB)图像的分层级特征,多级特征融合模块学习ResNet34分层级特征信息,且各层的输出采用分层监督方式引导网络快速训练.为证明网络的有效性,在公开裂缝数据集上进行了测试,测试结果显示提出的算法在F1、平均交并比(MIoU)和帧率(FPS)上均超过了其他经典网络.
Abstract：Whendeeplearningmodelisappliedtoroadcrackdetection,thereareissuesincludingincompletecrackextractionandsluggishdetectionspeed,analgorithmisproposedformulti-levelfeaturefusionlearningoffeaturemapsbasedontheResNet34backbonenetworkandcombinedwiththechannelattentionandspatialattentionmechanisms.Thealgorithmcanproducecleanandprecisecracksegmentationimagessinceitismadeupofafeatureextractionnetworkandamulti-levelfeaturefusionmodule.ThefeatureextractionnetworkextractsthehierarchicalfeaturesofRGBimages,themulti-levelfeaturefusionmodulelearnsthehierarchicalfeatureinformationofResNet34,andtheoutputofeachlayerissupervisedinahierarchicalmannertoguidetherapidtrainingofthenetwork.Toverifytheeffectivenessofthisnetwork,testsarecarriedonthepubliccrackdataset,testresultsshowthatthealgorithmsurpassesexitingclassicalmethodsinF1,MIoUandFPS.
作者：苏天成 郑津津 张广强 丰穗 张健康 周洪军 Author：SUTiancheng ZHENGJinjin ZHANGGuangqiang FENGSui ZHANGJiankang ZHOUHongjun
作者单位：中国科学技术大学精密机械与精密仪器系,安徽合肥230026国家同步辐射实验室,安徽合肥230029
刊名：传感器与微系统 ISTICPKU
Journal：TransducerandMicrosystemTechnologies
年，卷(期)：2024, 43(6)
分类号：TP391TN911.73
关键词：多级特征融合 注意力机制 裂缝检测 图像分割
Keywords：multi-levelfeaturefusion attentionmechanism crackdetection imagesegmentation
机标分类号：TP391.41U418.6TN919.8
在线出版日期：2024年7月12日
基金项目：国家自然科学基金，国家自然科学基金，国家自然科学基金，国家自然科学基金，安徽省重点研究与开发计划资助项目，国家重点研发计划融合多级特征与注意力机制的路面裂缝检测[
期刊论文] 传感器与微系统--2024, 43(6)苏天成 郑津津 张广强 丰穗 张健康 周洪军针对深度学习模型应用在道路裂缝检测时,存在裂缝提取不完整及检测速度慢等问题,提出了一种基于ResNet34骨干网络并结合通道注意力和空间注意力机制对特征图进行多级特征融合学习的算法.提出的算法由特征提取网络、多级特...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
关键词：多级特征融合,注意力机制,裂缝检测,图像分割,
|
|
1
