基于SSD的路面破损检测方法研究

作     者：杨婧 

作者单位：武汉理工大学 

学位级别：硕士

导师姓名：付琴

授予年度：2020年

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 0814[工学-土木工程] 082301[工学-道路与铁道工程] 0823[工学-交通运输工程] 

主      题：路面破损检测 SSD 特征金字塔 锚点 感受野 

摘      要：随着公路类基础设施投资体量的逐年上升,公路里程数不断增加,这对公路养护提出了更高的要求。路面破损检测是道路检测的重要内容,也是公路养护部门进行科学决策的基础。基于传统的人工检测方式因成本高、受决策主观性影响且效率低而无法适应公路发展的需求,路面破损自动化检测的方法成为研究的关键。但由于路面图像存在道路纹理变化、污渍遮挡、光照和小目标破损等因素影响,近年来提出的路面破损自动检测算法一般难以适应复杂多变的实际路面环境,多存在检测精度较低或不能满足实时性的问题,因此仍需进行改进和优化。针对以上问题,本文在分析现有文献的基础上,对基于深度学习的路面破损检测算法进行深入研究。本文的主要研究工作如下:（1）研究了深度学习算法基本原理,对单次多盒检测器（Single Shot Multi Box Detector,SSD）的目标检测模型进行了深入研究,选取SSD作为路面破损图像目标检测模型。为了降低过拟合的风险、提高模型的泛化能力,采用随机擦除的数据增强方法,生成不同遮挡水平的训练图像,使模型对路面阴影和污渍遮挡等复杂环境条件更具鲁棒性。（2）针对SSD网络对路面破损图像中小目标检测效果不佳的问题,提出了基于特征金字塔模型的路面破损检测改进算法,优化了多尺度破损目标检测性能。该方法首先基于特征金字塔网络结构对SSD网络进行高低特征层的融合,以获取强语义的多尺度特征图层次结构,便于后续对于破损目标的位置回归和类别分类的检测;然后融合无锚的思想,有效地将基于锚的方法与无锚方法相结合,改进了人为设计锚点位置的检测情况。此外,损失函数采用IOU函数,将检测的路面破损回归位置变量作为一个整体进行联合回归。（3）针对路面破损检测中主干网络对图像特征提取能力不足导致检测精度不高的问题,在研究工作（2）的基础上,设计了一种融合感受野模块（Receptive Field Block,RFB）的路面破损检测改进算法。通过引入RFB,在Inception的基础上加入了空洞卷积层,有效增大感受野,从而提高路面破损检测网络的特征提取能力,在保证检测速度的同时进一步提高路面破损的检测精度。