Year: 2025
Type: article
Abstract: 路面裂缝会影响行车安全和路面使用寿命，从而增加交通事故风险，因此及时地发现并处理路面裂缝尤为重要。针对传统卷积神经网络感受野有限、无法加入位置信息、效果差等问题，提出一种融合多种注意力机制的路面裂缝分割模型，引入多种注意力机制，通过ResNeSt和Swin Transformer增强模型信息传递效果，使得网络能够更好地利用不同层级的信息来生成更准确的预测。使用由网上公开数据集混合制成的包含8251张真实路面图像的数据集进行实验。研究结果表明：该模型的交并比、精确率、召回率和F1分数的值分别为73.24%、82.84%、86.12%、84.44%。虽然在召回率上略逊于DeepLab v3+，但在复杂路面环境中的裂缝识别精度和鲁棒性方面有较好的表现。
Source: Laser & Optoelectronics Progress
DOI: 10.3788/lop242068
Institution: Hunan University of Science and Technology
Language: English
Subfield: Civil and Structural Engineering
Field: Engineering
Domain: Physical Sciences
Open Access status: bronze
OpenAlex ID: W4410450425