首页|复杂场景下农村道路裂缝分割方法

复杂场景下农村道路裂缝分割方法

Rural road crack segmentation method in complex scene

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对农村道路裂缝识别中存在训练样本数量少、场景单一、提取结果不准确等问题,本文首先依托辽宁省多年份实测道路图像数据,构建具有多种类、多场景的路面裂缝数据集(PCDs),以ResNet50为编码器、SegNet为解码器,构建路面裂缝图像识别模型Res-SegNet,通过增大卷积核的大小获取更丰富的裂缝信息,使用Focal Loss损失函数,令模型更专注困难样本.然后采用分块预测方法提升裂缝在图片中的占比,使图片预测更加精细.最后通过网络模型和预测方法进行对比试验.结果表明,使用Res-SegNet识别PCDs的测试集,在不同的场景中F值为0.691,使用Res-SegNet结合分块预测识别PCDs的测试集,在不同的场景中F值达0.753.

张晋赫、秦育罗、张在岩、宋伟东、朱洪波

展开 >

辽宁工程技术大学测绘与地理科学学院,辽宁 阜新123000

交通时空大数据研究中心,辽宁 阜新123000

宿迁学院建筑工程学院,江苏 宿迁223800

黑龙江科技大学矿业工程学院,黑龙江 哈尔滨150022

展开 >

裂缝识别 深度学习 数据集 Res-SegNet模型 分块预测

国家自然科学基金宿迁市指导性科技计划

42071343Z2020138

2022

测绘通报
测绘出版社

测绘通报

CSTPCDCSCD北大核心
影响因子：1.027
ISSN：0494-0911
年,卷(期)：2022.(5)
  • 2
  • 2