典型文献
复杂场景下农村道路裂缝分割方法
文献摘要：
针对农村道路裂缝识别中存在训练样本数量少、场景单一、提取结果不准确等问题,本文首先依托辽宁省多年份实测道路图像数据,构建具有多种类、多场景的路面裂缝数据集(PCDs),以ResNet50为编码器、SegNet为解码器,构建路面裂缝图像识别模型Res-SegNet,通过增大卷积核的大小获取更丰富的裂缝信息,使用Focal Loss损失函数,令模型更专注困难样本.然后采用分块预测方法提升裂缝在图片中的占比,使图片预测更加精细.最后通过网络模型和预测方法进行对比试验.结果表明,使用Res-SegNet识别PCDs的测试集,在不同的场景中F值为0.691,使用Res-SegNet结合分块预测识别PCDs的测试集,在不同的场景中F值达0.753.
文献关键词：
裂缝识别;深度学习;数据集;Res-SegNet模型;分块预测
中图分类号：
作者姓名：
张晋赫;秦育罗;张在岩;宋伟东;朱洪波
作者机构：
辽宁工程技术大学测绘与地理科学学院,辽宁 阜新123000;交通时空大数据研究中心,辽宁 阜新123000;宿迁学院建筑工程学院,江苏 宿迁223800;黑龙江科技大学矿业工程学院,黑龙江 哈尔滨150022
文献出处：
引用格式：
[1]张晋赫;秦育罗;张在岩;宋伟东;朱洪波-.复杂场景下农村道路裂缝分割方法)[J].测绘通报,2022(05):74-78,88
A类：
道路裂缝分割,分块预测
B类：
复杂场景,农村道路,分割方法,裂缝识别,训练样本,样本数量,道路图像,图像数据,多场景,路面裂缝,PCDs,ResNet50,编码器,SegNet,解码器,建路,裂缝图像识别,识别模型,大卷,卷积核,Focal,Loss,损失函数,困难样本,测试集
AB值：
0.296098
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
