基于FCC-Deeplabv3+的城市地下管道缺陷语义分割方法

摘要

城市地下管道图像缺陷具有种类多、背景复杂、噪声多、缺陷尺度变化大等特点，导致目前城市地下管道缺陷分割算法精度不够高.本研究提出了一种基于Deeplabv3+的改进分割模型FCC-Deeplabv3+，并将该模型首次应用到城市地下管道缺陷分割.结合十字交叉注意力机制，使模型在预测时获取更丰富的上下文信息；提出了改进的解码器上采样策略，引入多尺度信息，减少中间层信息的丢失；使用基于增强的对比学习策略监督模型，提升了模型分割能力.此外，针对目前城市地下管道缺陷分割领域没有公开数据集的情况，基于Sewer-ML公开数据集，进行数据标注工作，构建了包含900张用于缺陷分割任务的数据集.通过实验验证了提出的缺陷分割模型的有效性及实时性，对比原始Deeplabv3+模型，mIoU提升了3.73%,mPA也提升了1.67%，并且相比其他基于深度学习的语义分割算法，也具有一定优势.

关键词

FCC-Deeplabv3+算法 / 缺陷分割 / 城市地下管道 / 十字交叉注意力 / 对比学习 / 深度监督