基于语义分割的沥青路面裂缝智能识别
杨燕泽,王萌,刘诚,徐慧通,张小月

Intelligent identification of asphalt pavement cracks based on semantic segmentation
Yan-ze YANG,Meng WANG,Cheng LIU,Hui-tong XU,Xiao-yue ZHANG
表 1 常用语义分割算法总结[11]
Tab.1 Summary of common semantic segmentation algorithms
时间 网络 特点及优势 存在问题
2014 FCN 传统CNN的全连接层换成卷积层,可以对图像每个像素预测,实现任意分辨率图像的输入. 结果准确率不高,忽略像素之间的关系,缺乏空间一致性
2015 U-Net 采用编码器解码器结构、跨层连接编码解码过程、网络结构小、模型简洁. 速度慢,检测区域重叠,定位准确性和上下文信息不兼得
2016 PSPNet 在FCN基础上,提出金字塔池化模块,融合局部和全局获取上下文信息,提取特征多样化,包含不同尺度信息. 分割目标的边界信息部分易丢失
2017 DeepLabV3 改进金字塔池化模块,使用全局平均池化结构,强调全局特征. 分割速度慢,对小尺寸物体分割效果不明显
2018 DeepLabV3+ 新的编码-解码结构实现多尺度上下文信息探索,优化运行速度.