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. | — |
|
|
|