典型文献
改进U-Net算法的路面裂缝检测研究
文献摘要：
为加快我国经济建设,全国各地大力发展道路基础设备建设.经长时间使用,路面的病害会越发明显,随着技术的发展,神经网络的出现对道路检测有着举足轻重的影响.其中U-Net是一种对微观对象检测识别能力极强的端到端的深度学习网络,所以可适用于道路裂缝缺陷检测.该文为提取到高效的裂缝特征信息,引入注意力机制;其次,针对特征信息随网络深度加深而减弱的问题,引入高效残差块网络.因此,提出了一种改进A-UNet算法,实验结果表明,相比于原始U-Net网络,该文所提算法在准确率上提升了0.3％,F1-socre提升了9.1％,运行速度提升了9.9％.
文献关键词：
裂缝检测;U-Net;注意力机制;高效残差块
中图分类号：
[3]
交通运输（U）
/
公路运输（U4）
/
道路工程（U41）
/
路基、路面工程（U416）
/
路面工程（U416.2）
/
路面：按使用材料分（U416.21）
/
沥青路面（U416.217）
作者姓名：
史梦圆;高俊钗
作者机构：
西安工业大学 电子信息工程学院,西安710021
文献出处：
引用格式：
[1]史梦圆;高俊钗-.改进U-Net算法的路面裂缝检测研究)[J].自动化与仪表,2022(10):52-55,67
A类：
高效残差块,socre
B类：
路面裂缝检测,地大,路基,时间使用,道路检测,检测识别,识别能力,端到端,深度学习网络,道路裂缝,缺陷检测,取到,裂缝特征,特征信息,注意力机制,UNet,运行速度
AB值：
0.285442
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。
