基于注意力机制的深度学习路面裂缝检测

摘要：

为实现自动准确地检测路面裂缝,提升路面裂缝检测效果,提出了一种基于注意力机制的裂缝检测网络(attention-based crack networks,ACNet).该网络采用编码器-解码器网络构架,编码器采用ResNet34为骨干网,提取路面裂缝特征;在编码器和解码器间加入基于注意力机制的特征模块(attention-based feature module,AFM),以利用全局信息和增加对检测不同尺度裂缝的鲁棒性,更好地提取裂缝特征和定位裂缝位置;在解码阶段也引入注意力机制,设计了基于注意力机制的解码模块(attention-based decoder module,ADM),实现对裂缝的准确定位.在公共裂缝数据集CFD和CRACK500上,与U-Net等其他8种方法进行了比较,结果表明,ACNet裂缝检测效果更理想,在主观视觉上,裂缝定位更准确,细节更丰富;在实验指标F1和重合率上,检测结果都有明显提升,说明了该网络的有效性.

关键词：注意力机制、深度神经网络、路面裂缝检测

所属期刊栏目：32

分类号：TP391.41(计算技术、计算机技术)

资助基金：中央高校基本科研业务费专项2018MS072

在线出版日期：2020-10-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1324-1333