期刊专题

10.5768/JAO202344.0302001

基于改进Fast-SCNN的裂缝图像实时分割算法

引用
裂缝检测是一项关键工程任务,针对现有的主流裂缝语义分割模型参数量大、计算量高、实时性弱等问题,提出一种基于Fast-SCNN(fast segmentation convolution neural network)改进的裂缝图像实时分割算法.首先,该算法在Fast-SCNN基础上优化了空间金字塔池化模块SPP(spatial pyramid pooling)存在像素位置信息丢失以及计算量大的不足,提出了一种轻量级的特征金字塔注意力模块;其次,改进了上采样的方式,充分考虑像素之间的关系,提出了一种轻量级的位置自注意力模块用于上采样,以此来提升检测精度;最后,双分支的各自输出通过注意力门突显裂缝相关区域和抑制无关背景.所提算法能够为模型提供更为精确的像素级别的注意力,更加有效识别细小裂缝和提升复杂背景裂缝分割的鲁棒性.实验结果表明:与现有的主流模型和其他轻量级模型相比,该算法进一步平衡了分割精度与检测速度,在裂缝数据集上达到 80.31%的平均交并比,F1 score为 76.74%,参数量为 1.20 M,计算量不足 1G,推理速度达到 151 f/s,对裂缝图像实时分割检测任务具有较高的应用价值.

裂缝检测、语义分割、Fast-SCNN、实时分割、注意力机制

44

TN206;TP391(光电子技术、激光技术)

国家自然科学基金61976083

2023-06-08(万方平台首次上网日期,不代表论文的发表时间)

共9页

539-547

相关文献
评论
暂无封面信息
查看本期封面目录

应用光学

1002-2082

61-1171/O4

44

2023,44(3)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn

打开万方数据APP,体验更流畅