双层卷积和多特征融合的路面裂缝分割方法

摘要

针对复杂背景下道路裂缝分割方法存在的边缘细节易缺失、目标误判问题，提出双层卷积和多特征融合的路面裂缝分割网络。首先，采用U-Net网络为基础架构，设计双层卷积网络改进编码部分，增大感受野，提取丰富的上下文信息.其次，引入坐标注意力模块优化解码部分，进一步加强网络对裂缝边缘细节的学习.最后，将产生的多级特征反馈至特征融合模块，堆叠通道有效融合深层和浅层特征。此外，损失函数采用二值交叉熵损失和Dice损失函数相结合的方式，有效解决了背景大于裂缝像素点导致的样本不均衡问题。通过在CRACK500、CFD、Cracktree200公开数据集上的实验结果表明：该方法实现MIoU分别为76.8%、65.3%、53.0%，比现有方法MIoU平均提高3.5%，可以实现优异的道路裂缝自动分割效果.

关键词

缺陷检测 / 裂缝分割 / 双层卷积 / 多特征融合 / 图像处理 / 深度学习