GSDI-VMunet:基于Mamba结构的混凝土裂缝分割网络OA
基于深度学习的混凝土裂缝分割技术已成为结构健康监测领域的关键手段,但现有方法在复杂背景干扰下的鲁棒性及细小裂纹分割精度等方面仍面临挑战。为此,提出一种GSDI-VMunet混凝土裂缝分割网络。首先,构建门控语义与细节融合模块(GSDI),缓解特征融合过程中深浅层特征信息的不匹配问题;其次,设计重塑-卷积-门控(RCG)机制,用于解决特征融合过程中的信息冗余与特征表达不足的问题,有效提升特征的表达能力和选择性;最后,采用四级级联构建隐式多粒度特征金字塔建立轻量级编解码结构,结合PatchExpanding上采样实现像素级裂缝拓扑重建。在CRACK500和CFD两个标准数据集上的实验结果表明,GSDI-VMunet的mIoU和F_(1)-score指标分别达到了82.22%、83.14%和80.81%、80.25%,验证了该网络的有效性和鲁棒性。
徐胜军;杨朋于;任瑞;李智杰;信任;史亚
西安建筑科技大学信息与控制工程学院,西安710055 西安市建筑制造智动化技术重点实验室,西安710055西安建筑科技大学信息与控制工程学院,西安710055 西安市建筑制造智动化技术重点实验室,西安710055西安建筑科技大学交叉创新研究院,西安710055西安建筑科技大学信息与控制工程学院,西安710055西安建筑科技大学土木工程学院,西安710055西安建筑科技大学信息与控制工程学院,西安710055
信息技术与安全科学
深度学习混凝土裂缝裂缝分割视觉状态空间模型
《计算机应用研究》 2026 (7)
P.2204-2211,8
国家自然科学基金面上项目(62476211,52478204)陕西省自然科学基础研究计划(2024JC-YBMS-483,2023-JC-YB-532,2025JC-YBMS-792)陕西省教育厅协同创新中心项目(23JY038)西安市碑林区科技局项目(GX2423)。
评论