基于Swin-U的路面裂缝分割研究

摘要

针对道路裂缝目标分割任务中存在的过拟合、计算速度低和目标信息提取不足等问题，该文基于U-Net网络构建Swin-U网络模型。该模型以Swin-Transformer作为特征提取模块，提高模型的拟合程度，可更精准地提取裂缝特征，从而提高分割精度；同时引入稳定的损失函数Focal Loss来提高目标分割的精度。在自有道路裂缝数据集上的试验结果表明：Swin-U网络模型实现了裂缝图像的像素级分割，其性能显著优于传统的U-Net，在测试集上的交并比和F1分数分别提高了25.00%和27.61%。该改进模型不仅为道路养护决策提供了更可靠的技术支持，也为道路裂缝分割方法的优化提供了参考。

关键词

道路裂缝分割 / 图像分割 / Swin-Transformer / U-Net / 深度神经网络 / Focal Loss