【技术实现步骤摘要】
本专利技术涉及裂缝图像分割，尤其是涉及一种基于多尺度融合网络的路面裂缝分割方法、装置及存储介质。
技术介绍
1、随着城市扩张和交通网络的发展，路面的总面积持续增加，这给路面维护带来了更大的挑战。传统的依靠人力进行路面裂缝检测的方法不仅效率低下，而且准确性受限，同时还会给工作人员带来安全风险。因此，开发一种能够自动识别路面裂缝的系统变得尤为重要。这种系统的目标是能够接收路面图像或视频作为输入，并输出裂缝检测结果。尽管传统的自动化检测技术已经存在，但它们往往在效率和准确度方面表现不佳。近年来，研究者们更倾向于采用深度学习技术来改进路面裂缝检测算法。通过使用大量的训练数据，深度学习模型能够学会精确地识别和分割出裂缝所在的区域。然而，裂缝本身具有多样性，包括宽度、长度以及纹理的复杂程度等，这就要求检测系统必须具备足够的灵活性和鲁棒性以应对各种类型的裂缝。
2、在路面维护工作中，采用基于深度学习的自动化检测设备是非常重要的，它不仅能显著提升检测效率，还能提高检测的准确性。不过，为了使深度学习模型具备强大的检测能力，需要大量的数据集来进...
【技术保护点】
1.一种基于多尺度融合网络的路面裂缝分割方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于多尺度融合网络的路面裂缝分割方法，其特征在于，所述路面裂缝图像数据集包括DeepCrack500、Crack200和SDNET2018。
3.根据权利要求1所述的基于多尺度融合网络的路面裂缝分割方法，其特征在于，对所述训练集中的路面裂缝图像进行预处理，具体包括：
4.根据权利要求1所述的基于多尺度融合网络的路面裂缝分割方法，其特征在于，所述多尺度融合网络包括对称的编码器-解码器结构以及分别连接于所述编码器与所述解码器之间的注意力机制...
【技术特征摘要】
1.一种基于多尺度融合网络的路面裂缝分割方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于多尺度融合网络的路面裂缝分割方法，其特征在于，所述路面裂缝图像数据集包括deepcrack500、crack200和sdnet2018。
3.根据权利要求1所述的基于多尺度融合网络的路面裂缝分割方法，其特征在于，对所述训练集中的路面裂缝图像进行预处理，具体包括：
4.根据权利要求1所述的基于多尺度融合网络的路面裂缝分割方法，其特征在于，所述多尺度融合网络包括对称的编码器-解码器结构以及分别连接于所述编码器与所述解码器之间的注意力机制模块和金字塔池化模块。
5.根据权利要求4所述的基于多尺度融合网络的路面裂缝分割方法，其特征在于，所述注意力机制模块采用senet注意力网络。<...
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。