轻量化沥青路面裂缝图像分割网络PIPNet

作     者：封筠 毕健康 霍一儒 李家宽 FENG Jun;BI Jiankang;HUO Yiru;LI Jiakuan

作者机构：石家庄铁道大学信息科学与技术学院石家庄050043 

出 版 物：《计算机应用》 (journal of Computer Applications)

年 卷 期：2024年第44卷第5期

页      面：1520-1526页

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：河北省高等学校科学技术研究重点项目(ZD2021333) 

主　　题：沥青路面图像 裂缝分割 轻量化神经网络 倒金字塔结构 并行空洞卷积 

摘      要：裂缝分割是对路面病害损坏程度评估的重要前提,为平衡深度神经网络分割的有效性与实时性,提出一种基于U-Net编码-解码结构的轻量化沥青路面裂缝图像分割网络PIPNet(Parallel dilated convolution of Inverted Pyramid Network)。编码部分为倒金字塔结构,提出了具有不同空洞率的多分支并行空洞卷积模块,结合深度可分离卷积和普通卷积,逐级减少并行卷积的个数,对表层、中层及底层特征提取多尺度信息并降低模型复杂度;同时借鉴GhostNet特点,设计了逆残差轻量化模块,嵌入并行双池化注意力。在GAPs384数据集上的测试结果表明,PIPNet在参数量(Params)和计算量(MFLOPs)仅为ResNet50编码近1/6的情况下,平均交并比(mIoU)提高了1.10个百分点,且较轻量化GhostNet和SegNet分别高出4.14与9.95个百分点。实验结果表明,PIPNet在降低模型复杂度的同时,有着较好的裂缝分割性能,且对不同路面裂缝图像分割适应性良好。