基于Res2Unet-CBAM网络的路面裂缝分割方法研究

王希良, 王润琪, 渠尊昊

doi:10.13319/j.cnki.sjztddxxbzrb.20240136

石家庄铁道大学学报（自然科学版） ›› 2024, Vol. 37 ›› Issue (03) : 69 -74+81. DOI: 10.13319/j.cnki.sjztddxxbzrb.20240136

基于Res2Unet-CBAM网络的路面裂缝分割方法研究

王希良, 王润琪, 渠尊昊

作者信息 +

Author information +

文章历史 +

PDF

摘要

裂缝类路面损坏是城市道路中常见的病害，能否在众多路面信息图像中高效获取路面裂缝信息，是当前领域研究的关键点。为得到更高精度的图像识别分析，结合深度学习领域，基于Res2Unet-CBAM网络模型进行路面裂缝图像分割工作，分析了公共数据集的实验结果，并对比了U-Net, Res2Net等多种语义分割模型，在此基础上设计了Res2-Unet多尺度路面裂缝分割网络模型。通过对常见通道注意力模块进行分析，将CBAM通道注意力模块引入Res2-Unet分割模型，构建了一种新的Res2Unet-CBAM网络模型用于路面裂缝图像的分割任务。将Res2Unet-CBAM模型与其他深度学习模型的实验结果进行对比，结果表明此模型具有更好的图像分割效果。