科研之友
微信
新浪微博
Facebook
分享链接
摘要
桥梁路面中裂缝的出现会增加交通安全发生的概率，目前基于深度学习的桥梁路面裂缝分割模型主要利用检测窗口对桥梁路面裂缝进行识别和粗略定位，分割精度不高。为此，提出一种基于多尺度特征融合网络的小样本桥梁路面裂缝分割模型。首先，利用ResNet-50和Swin Transformer网络将输入的桥梁路面裂缝图片映射到全局和局部特征空间；然后，提出一种多尺度特征融合模块，通过对全局特征和局部特征进行深度融合来构造新的特征集合，以此来实现局部和全局特征的优势互补，提升特征表达的可靠性；最后，利用无参数的度量学习模块实现待分割图片映射特征向量与特征集中每一特征之间相似度的计算，根据相似度值实现新图片逐像素的匹配。通过在自建的桥梁路面裂缝数据集上进行测试，实验结果表明，所提出模型的Precision、Recall和F1值分别可以达到93.96%、93.18和93.51%。相比当前主流模型，所提出模型分割性能更高，具有一定的实际应用价值。
- 出版日期2023
- 单位陕西交通职业技术学院; 黑龙江八一农垦大学
