SU-Net:一种基于注意力机制的道路裂缝检测模型
郭晓彤
王跃宝
鲁王泽
防灾科技学院 河北廊坊 065201
摘要：道路裂缝的早期检测对于解决安全问题和减少维修成本非常重要.然而,由于裂缝的复杂性和环境因素的干扰,传统图像处理方法在裂缝检测任务中的表现面临诸多挑战.为解决上述问题,文章提出了一种基于SE(squeeze-and-excitation)注意力机制和膨胀卷积的道路裂缝检测方法.通过改进U-Net模型,构建了一种新的编码解码结构模型SU-Net.该模型在编码阶段引入SE注意力机制,通过自适应调整通道权重,增强了对裂缝细节的捕捉能力.此外,为在不增加计算复杂度和参数规模的前提下扩展模型的感受野,引入了膨胀卷积,通过对膨胀率的细致调整,使模型性能达到最优.实验结果表明,与传统的U-Net模型相比,SU-Net模型在道路裂缝检测任务中取得了显著的性能提升.通过定量评估,验证了改进网络在提高裂缝检测精度和鲁棒性方面的有效性,为今后裂缝检测领域的研究和应用提供了重要参考.
关键词：道路裂缝注意力机制深度学习改进U-Net模型图像分割
论文发表日期：2025-07-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：5( 48-52 )