【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)提出一種融合密集連接的輕量型道路裂縫語(yǔ)義分割算法，采用的是一種基于?deeplabv3+網(wǎng)絡(luò)模型改進(jìn)的分割算法；該網(wǎng)絡(luò)主體與deeplabv3+網(wǎng)絡(luò)結(jié)構(gòu)相似，網(wǎng)絡(luò)主干采取輕量級(jí)網(wǎng)絡(luò)，設(shè)計(jì)密集連接空洞空間金字塔池化層，每層輸出作為之后各層的輸入，裂縫的特征信息被層層疊加，最后聚集了多個(gè)尺度下的裂縫特征；改進(jìn)的deeplabv3+網(wǎng)絡(luò)模型可用于更精確地分割裂縫模糊物體圖像，它可以在保證整體分割精度的同時(shí)，提升特征復(fù)用效率，解決了原始?deeplabv3+網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜導(dǎo)致的訓(xùn)練時(shí)間緩慢問(wèn)題，有效地捕捉環(huán)境復(fù)雜而導(dǎo)致信息模糊、分割準(zhǔn)確率較低。
技術(shù)介紹
1、公路交通運(yùn)輸量保持著高速增加的狀態(tài)通過(guò)經(jīng)年累月對(duì)道路的使用，以及惡劣氣候和自然災(zāi)害的影響，道路路面會(huì)出現(xiàn)各種病害，其各種隱患會(huì)對(duì)道路路面結(jié)構(gòu)的穩(wěn)定性有著很大的影響，導(dǎo)致路面承載能力和耐久性降低，極易造成車輛性能下降，最終會(huì)影響行車安全，若不及時(shí)修理，道路損害的程度變大而導(dǎo)致道路后期維修成本變高，造成了額外的經(jīng)濟(jì)損失。道路養(yǎng)護(hù)是預(yù)防道路出現(xiàn)損壞的途徑，同時(shí)也是增加道路使用年限的重要方式，因此需要提高道路養(yǎng)護(hù)管理，這樣不僅能減少交通事故的發(fā)生，而且還能減少不必要的經(jīng)濟(jì)損失。道路路面病害檢測(cè)作為公路養(yǎng)護(hù)的前提，在路面病害形成的初期，對(duì)公路交通運(yùn)輸?shù)挠绊懗潭认鄬?duì)較小，因此需要使用有效地方法對(duì)道路路面病害進(jìn)行分割識(shí)別。
2、隨著深度學(xué)習(xí)技術(shù)的進(jìn)步和大規(guī)模數(shù)據(jù)集的開發(fā)，語(yǔ)義分割任務(wù)得到了突飛猛進(jìn)的發(fā)展;特別是deeplab系列網(wǎng)絡(luò)的出現(xiàn)，對(duì)道路裂縫語(yǔ)義分割取得了巨大進(jìn)展；d
技術(shù)實(shí)現(xiàn)思路
1、本專利技術(shù)所解決的技術(shù)問(wèn)題是針對(duì)?deeplabv3+網(wǎng)絡(luò)存在語(yǔ)義信息不全面和上下文信息聯(lián)系不緊密導(dǎo)致的分制精度低問(wèn)題和網(wǎng)絡(luò)參數(shù)量大、運(yùn)行速度緩慢的問(wèn)題，提出一種融合密集連接的輕量型道路裂縫語(yǔ)義分割算法，設(shè)計(jì)的全局信息提取層解決deeplabv3+網(wǎng)絡(luò)的語(yǔ)義信息不全面和上下文信息聯(lián)系不緊密問(wèn)題，從而使得裂縫目標(biāo)分割效果更佳；輕量級(jí)主干網(wǎng)絡(luò)mobilenetv2解決了網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜導(dǎo)致的訓(xùn)練速度緩慢問(wèn)題，同時(shí)也保證了目標(biāo)分割精度。
2、為了實(shí)現(xiàn)上述目的，本專利技術(shù)的技術(shù)方案如下:
3、一種融合密集連接的輕量型道路裂縫語(yǔ)義分割算法，包括以下步驟:
4、步驟一:數(shù)據(jù)預(yù)處理，將數(shù)據(jù)集根據(jù)需求改為網(wǎng)絡(luò)可訓(xùn)練的大小并進(jìn)行數(shù)據(jù)增強(qiáng);
5、步驟二:構(gòu)建輕量級(jí)主干網(wǎng)絡(luò)?mobilenetv2；
6、步驟三：空間金字塔池化的結(jié)構(gòu)中引入密集機(jī)制；
7、步驟四：用該模型對(duì)訓(xùn)練集進(jìn)行訓(xùn)練，獲取道路裂縫分割結(jié)果，保存最好的網(wǎng)絡(luò)模型；
8、步驟五：加載網(wǎng)絡(luò)模型，對(duì)測(cè)試集進(jìn)行測(cè)試獲取道路裂縫圖像分割結(jié)果。
9、所述步驟一中的具體情況如下：
10、收集道路裂縫的語(yǔ)義分割數(shù)據(jù)集，并劃分為訓(xùn)練集、驗(yàn)證集和測(cè)試集。
11、在模型訓(xùn)練前，對(duì)?crack500?數(shù)據(jù)集進(jìn)行預(yù)處理，將其裁剪為不重疊的16個(gè)子圖(512*512,512*512)，并篩選掉不含背景的圖片，最終合成?3367?張圖片。通過(guò)旋轉(zhuǎn)、水平翻轉(zhuǎn)和平移方法對(duì)數(shù)據(jù)集進(jìn)行擴(kuò)充到?5000?張，并最終將圖片尺寸統(tǒng)一?到?512*512，按照8:2?劃分訓(xùn)練集和驗(yàn)證集，最終劃分為?4000?張包含路面裂縫目標(biāo)的訓(xùn)練集圖片和?1000張驗(yàn)證集圖片。
12、所述步驟二中的具體情況如下：
13、構(gòu)建輕量級(jí)網(wǎng)絡(luò)mobilenetv2作為主干網(wǎng)絡(luò)提取高級(jí)語(yǔ)義特征。
14、mobilenetv2網(wǎng)絡(luò)核心操作是引入深度可分離卷積替換標(biāo)準(zhǔn)，深度可分離卷積對(duì)網(wǎng)絡(luò)參數(shù)量和速度的控制更加理想和高效。
15、深度可分離卷積包含?depthwise?卷積和pointwise?卷積2部分；depthwise?卷積是完全在二維平面內(nèi)進(jìn)行的卷積操作，通道和卷積核是一一對(duì)應(yīng)的關(guān)系；pointwise卷積是卷積核大小為1x1的普通卷積，位于depthwise?卷積之后，用于融合多個(gè)通道的信息，增強(qiáng)網(wǎng)絡(luò)表達(dá)能力。
16、在卷積運(yùn)算過(guò)程中，若輸入通道數(shù)為，卷積核大小為，輸出通道數(shù)為，輸出特征尺寸為，則深度可分離卷積與標(biāo)準(zhǔn)卷積的參數(shù)量之比如下公式所示:
17、;
18、 計(jì)算量之比如下公式所示：
19、;
20、由兩個(gè)公式可知，深度可分離卷積的計(jì)算復(fù)雜度與標(biāo)準(zhǔn)卷積相比降低了很多，達(dá)到了參數(shù)量少、運(yùn)算速率快的要求。
21、mobilenetv2?網(wǎng)絡(luò)由多個(gè)倒殘差模塊堆疊而成，倒殘差模塊有助于提高精度構(gòu)建更深的網(wǎng)絡(luò)；首先使用卷積增加特征圖的通道數(shù)，實(shí)現(xiàn)特征圖的擴(kuò)張，豐富特征數(shù)量，提高精度;其次用的深度可分離卷積提取每個(gè)通道的特征，減少了運(yùn)算量；最后用1x1卷積進(jìn)行縮減通道數(shù)；其中擴(kuò)張卷積和深度可分離卷積過(guò)程后使用的激活函數(shù)為relu6函數(shù)，而壓縮卷積后的激活函數(shù)為linear?函數(shù)，防止relu6函數(shù)進(jìn)一步破壞壓縮后特征。
22、所述步驟三中的具體情況如下：
23、在空間金字塔池化的結(jié)構(gòu)中引入密集機(jī)制，將?1×1?的普通卷積層、空洞率為?6，12，18?的三個(gè)空洞卷積層和全局平均池化層由并行連接改進(jìn)為密集連接，使得每一層的輸入都是前面所有層的輸出。裂縫的特征信息被層層疊加，最后聚集了多個(gè)尺度下的裂縫特征。單個(gè)空洞卷積的感受野大小如公式所示：
24、;
25、式中，為卷積后得到的感受野，為卷積核大小，為空洞率，當(dāng)為?3?時(shí)，且卷積核也為?3?時(shí)，感受野r為?7。
26、兩個(gè)空洞卷積疊加后的感受野大小如公式所示：
27、;
28、式中，為疊加后的新感受野，和為兩個(gè)空洞卷積層的感受野，為空洞卷積層的數(shù)量。在具有相同空洞率的空洞卷積下，引入密集機(jī)制的空間金字塔池化模塊感受野要更大。感受野越大，所感知的內(nèi)容也就越多、越全面，這就意味著，在當(dāng)前的空洞卷積下，原圖更多的特征信息會(huì)被模型獲取到。
29、所述步驟四中的具體情況如下：
30、搭建多分支融合的輕量型網(wǎng)絡(luò)模型。
31、在原始語(yǔ)義分割?deeplabv3+模型上進(jìn)行改進(jìn)，使用編碼解碼的框架和mobilenetv2?作為骨干網(wǎng)絡(luò);在編碼器階段，圖像先由主干網(wǎng)絡(luò)提取完整信息，生成的高級(jí)特征圖分別送入空洞空間金字塔池化層;空洞空間金字塔池化層由3個(gè)空洞率分別為6，12，18的空洞積、1本文檔來(lái)自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種融合密集連接的輕量型道路裂縫語(yǔ)義分割算法，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種融合密集連接的輕量型道路裂縫語(yǔ)義分割算法，所述Step?1中的具體過(guò)程如下：
3.根據(jù)權(quán)利要求1所述的一種融合密集連接的輕量型道路裂縫語(yǔ)義分割算法，所述Step?3中的具體過(guò)程如下：
【技術(shù)特征摘要】
1.一種融合密集連接的輕量型道路裂縫語(yǔ)義分割算法，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種融合密集連接的輕量型道路裂縫語(yǔ)義分割算法，所...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：劉麗偉，何平鴿，岳新博，路明，
申請(qǐng)(專利權(quán))人：長(zhǎng)春工業(yè)大學(xué)，
類型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。