• • 下一篇
封筠*,毕健康,霍一儒,李家宽
FENG Jun*,BI Jiankang,HUO Yiru,LI Jiakuan #br#
摘要: 裂缝分割是对路面病害损坏程度评估的重要前提,为平衡深度神经网络分割的有效性与实时性,提出一种基于U-Net 编码-解码器结构的轻量化沥青路面裂缝图像分割网络(PIPNet)。编码部分为倒金字塔结构,提出了具有不同空洞率的多分支并行空洞卷积模块,结合深度可分离卷积和普通卷积,逐级减少并行卷积的个数,对表层、中层及底层特征提取多尺度信息并降低模型复杂度,借鉴 GhostNet 特点,设计了逆残差轻量化模块,嵌入并行双池化注意力。在 GAPs384 数据集上的测试结果表明,PIPNet 在参数量和计算量仅为 ResNet50 编码近 1/6 的情况下,其平均交并比提高了 1.10 个百分点,且较轻量化GhostNet 和 SegNet 分别高出 4.14 与 9.95 个百分点。实验结果表明,PIPNet 在降低模型复杂度的同时,有着较高的裂缝分割性能,且对不同路面裂缝图像分割适应性良好。
中图分类号: