文献类型：期刊文章

作　　者：李怡静[1] 程浩东[1] 李火坤[1] 王姣[2] 胡强[2]

LI Yijing;CHENG Haodong;LI Huokun;WANG Jiao;HU Qiang(School of Infrastructure Engineering,Nanchang University,Nanchang 330036,China;Jiangxi Academy of Water Science and Engineering,Nanchang 330029,China)

机构地区：[1]南昌大学工程建设学院,江西南昌330036 [2]江西省水利科学院,江西南昌330029

出　　处：《水利水电科技进展》

基　　金：江西省水利厅科技项目(202123YBKT25)。

年　　份：2022

卷　　号：42

期　　号：6

起止页码：52-59

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为准确便捷地从大范围背景复杂的堤防表面获取裂缝的形态信息,提出了一种基于改进U^(2)-Net(U^(2)-ADSNet)的裂缝检测方法。该方法在U^(2)-Net中融合深度可分离卷积和扩张卷积,扩大了原有模型的感受野,增强了对细节特征的学习能力,降低了模型参数;在少量无人机实测影像数据基础上,利用裂缝开源数据集进行迁移学习,降低了训练成本;通过切片预测实现对大范围无人机影像的裂缝检测,利用连通域搜索去除可能的误检。将U^(2)-ADSNet与FCN、SegNet、U-Net和DeepCrack等语义分割模型在堤防裂缝数据集上进行对比,验证了U^(2)-ADSNet的有效性,该模型经过迁移学习后交并比达到78.55%,综合评价指标值为87.87%,可用于堤防裂缝的检测。

关 键 词：堤防 裂缝检测  U^(2)-Net  无人机影像 迁移学习  语义分割  

分 类 号：TV871.4]