基于深度过参数化卷积的路面病害分割研究
刘玉文1
黄友锐2
韩涛3
1.安徽理工大学 人工智能学院,安徽 淮南2320012.安徽理工大学 电气与信息工程学院,安徽 淮南232001;皖西学院 电气与光电工程学院,安徽 六安2370123.安徽理工大学 电气与信息工程学院,安徽 淮南232001
摘要：道路精准养护关键是精确发现并解决影响车辆驾驶的道路问题,有效缩短道路病害工作闭环时间.针对道路养护中路面病害分割实时性与准确性,提出一种基于深度过参数化卷积的路面病害分割网络.首先,利用Focus模块与2层3×3卷积的切片操作替换了网络特征压缩结构,以减小图像信息丢失.其次,通过替换ResNet50卷积模块中的传统卷积为深度过参数化卷积,提升网络收敛速度,并引入卷积块状注意力机制增强特征提取网络对图像信息的聚焦能力.最后,组合原型网络与预测头网络分别生成的原型掩膜与预测框掩膜系数,完成路面病害分割.路面病害分割实验在公开数据集和自制数据集下进行,分割平均精度APall分别为21.59％和31.43％,分割速度分别为31.33帧/s和30.52帧/s.实验结果表明改进后模型能够实现路面病害分割的实时性与高精准性.
关键词：路面病害图像实例分割深度过参数化卷积注意力机制
分类号：TP399(计算技术、计算机技术)
资助基金：国家自然科学基金(61772033)安徽省高校协同创新项目(GXXT-2019-048)安徽省高校协同创新项目(GXXT-2020-54)
论文发表日期：2022-12-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 437-444 )
英文信息