基于深度学习的路面裂缝检测

• 作者: 张泓 王松 范自柱 魏超
• 来源期刊: 江西公路科技
• 学科: 工学
• 关键词: 道路裂缝检测 卷积神经网络 深度学习
• 年，卷（期）: 2020,（1）
• 页码范围: 2-7
• 页数: 6页
• 分类号: TP3

摘要

自动路况评估最重要的是需要有稳定的自动道路裂缝检测算法.然而,裂缝的检测研究仍然受到限制并且是一个极具挑战的问题.本文提出了一种基于深度学习的方法能够快速有效检测出道路裂缝,并且能够用于在线实时检测.卷积神经网络可以无需任何处理从原始图像中学习裂缝特征,本文以卷积神经网络为基础建立一个二分类模型用来分类裂缝和正常路面,并从裂缝图像中提取小块作为输入用来生成大规模数据集.为了提高分类的准确性,在构建的网络中不仅同时利用了局部特征以及目标周围区域的特征还与全局背景的特征信息融合,该设计加强了特征之间的信息交互并且可以减小网络的参数量.最后为了解决正负样本不均衡的问题,在计算损失的时候对前景和背景采用了不同的权重.该方法在CFD和AIGLERN两个数据集上进行评估,在CFD上F1评分达到了0.8325,在AIGLERN上达到了0.7841,均取得了优于其余传统方法的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	范自柱	华东交通大学理学院	27	85	5.0	8.0
2	张泓	华东交通大学理学院	3	5	1.0	2.0
3	王松	华东交通大学理学院	3	5	1.0	2.0
4	魏超	华东交通大学理学院	2	5	1.0	2.0