【技术实现步骤摘要】
一种基于循环神经网络和注意力引导机制的复杂路面裂缝检测方法
[0001]本专利技术涉及公路路面裂缝检测领域，尤其是涉及一种基于U
‑
Net,循环网络和残差网络的自动化裂缝检测方法。
技术介绍
[0002]公路网的基本构建推动了我国交通运输行业的快速发展，给人们的出行带来了极大的便利。于此相对的是对于安全隐患路段治理以及提高国省道安全性和抗灾能力和行车舒适性的要求也在提高。由于道路使用年限的不断增加，道路路面在各型重载车辆的长期碾压下受损，导致路面内部的结构层难以承担负荷，主要以路面损伤初期的裂缝形式显现。强化干线公路养护，加强公路安全隐患治理在现今公路网建设“保量增质”的大环境下主体作用显著增强。若能够在公路路面破损初期就对其进行道路养护工作，将大大减少工作量并减少相关费用。对于道路养护工作者来说，若能够在路面损伤初期就进行及时的路况检测可以有效提高预防性养护的水平。相反，由于路面养护的封闭维修模式而导致损伤处理不及时，风险评估不到位，在各种外在因素的影响下会进而引发损伤二次加剧，严重干扰正常的交通秩序，危...
【技术保护点】
【技术特征摘要】
1.一种基于循环神经网络和注意力引导机制的复杂路面裂缝检测方法，其特征在于，包括以下步骤：S1，采用以U
‑
Net为骨架进行搭建的卷积神经网络，所述模型结合循环神经网络，残差网络和注意力引导机制，构成编码
‑
解码结构；S2，整个模型分为五层，除了第五层外，每层除了上层的输出作为输入外还有一个图像输入，每层分别对应输出一个图像分割结果；S3，采用任意大小尺寸的图像裂缝数据集可以对模型进行训练和测试，所用数据集为使用Labelme进行标注后的图像集合；S4，当模型第一层的输入图像尺寸确定以后，后面三层的输入图像尺寸会自动缩小为它的上一层尺寸的一半；S5，最终模型的输出结果结合四层输出经过softmax函数激活后取对数得到；S6，模型所用的跳过连接使用注意力引导机制，注意引导模块可以通过融合不同分辨率的结构信息来恢复空间信息。2.根据权利要求1所述的一种复杂路面裂缝检测方法，其特征在于，步骤S3中，采用标定数据集对所述神经网络模型进行训练，包括如下步骤：S31，第一层输入原始图像，经过循环卷积模块(编码块)得到第一特征图，第一层的注意力引导模块叠加两次第一特征图后的结果作为第一层解码模块的一部分输入；S32，第二层输入是第一特征图叠加原始图像卷积后结果，输出通道为64，第二层注意力引导模块将第二特征图和第二层原始图像卷积结果进行叠加输出到第二层解码模块；S33，第三层和第四层处理同S32，不同是输出通道变为上一层的2倍，其中，这些卷积模块的卷积核都为3x3；S34,第五层输入第四特征图，经过循环残差模块的输出作为第四层解码模块...
【专利技术属性】
技术研发人员：李刚，代玉，方忠圆，陈永强，兰栋超，李喜媛，张帅龙，
申请(专利权)人：李刚代玉，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。