| 基于Res2Unet-CBAM网络的路面裂缝分割方法研究 |
|
| |
| 中文关键词:深度学习 路面检测 注意力机制 裂缝语义分割 |
| 英文关键词: |
| 基金项目: |
|
| 摘要点击次数: 71 |
| 全文下载次数: 49 |
| 中文摘要: |
| 裂缝类路面损坏是城市道路中常见的病害，能否在众多路面信息图像中高效获取路面裂缝信息，是当前领域研究的关键点。为得到更高精度的图像识别分析，结合深度学习领域，基于Res2Unet-CBAM网络模型进行路面裂缝图像分割工作，分析了公共数据集的实验结果，并对比了U-Net,Res2Net等多种语义分割模型，在此基础上设计了Res2-Unet多尺度路面裂缝分割网络模型。通过对常见通道注意力模块进行分析，将CBAM通道注意力模块引入Res2-Unet分割模型，构建了一种新的Res2Unet-CBAM网络模型用于路面裂缝图像的分割任务。将Res2Unet-CBAM模型与其他深度学习模型的实验结果进行对比，结果表明此模型具有更好的图像分割效果。 |
| 英文摘要: |
| |
| 王希良，王润琪，渠尊昊.基于Res2Unet-CBAM网络的路面裂缝分割方法研究[J].石家庄铁道大学学报(自然科学版),2024,37(3):69-74. |
| 查看全文 下载PDF阅读器 |
|
| 关闭 |
|
|
|
|
|