针对基于深度学习的真实路面病害图像识别算法主要面临的复杂道路背景与病害前景比例不同、病害尺度小等导致的类别严重不平衡、路面病害与道路的几何结构特征对比不明显导致其不易识别等问题,本文提出一种基于双分支语义先验网络,用于指导自注意力骨干特征网络挖掘背景与病害前景的复杂关系,运用高效自注意力机制和互协方差自注意力机制分别对二维空间和特征通道进行语义特征提取,并引入语义局部增强模块提高局部特征聚合能力。本文提出了一种新的稀疏主体点流模块,并与传统特征金字塔网络相结合,进一步缓解路面病害的类别不平衡问题;构建了一个真实场景的道路病害分割数据集,并在该数据集和公开数据集上与多个基线模型进行对比实验,实验结果验证了本模型的有效性。
庞荣;杨燕;冷雄进;张朋;刘言;
西南交通大学计算机与人工智能学院,四川成都611756 可持续城市交通智能化教育部工程研究中心,四川成都611756 招商局重庆公路工程检测中心有限公司,重庆400067 国家山区公路工程技术研究中心,重庆400067西南交通大学计算机与人工智能学院,四川成都611756 可持续城市交通智能化教育部工程研究中心,四川成都611756招商局重庆公路工程检测中心有限公司,重庆400067 国家山区公路工程技术研究中心,重庆400067
计算机与自动化
语义先验信息;高效注意力机制;互协方差注意力机制;稀疏主体点流;类别不平衡;语义分割;路面病害;深度学习
《智能系统学报》 2024 (001)
P.153-164 / 12
国家自然科学基金项目(61976247);国家重大研发计划项目(2019YFB-1310400);重庆市技术创新与应用发展专项重点项目(CSTB2022TIAD-KPX0100);重庆市交通科技自筹项目(CQJT20-22ZC05)。
10.11992/tis.202306037
评论