一种基于深度卷积神经网络的沥青路面裂缝图像分割方法

摘要

本发明公开了一种基于深度卷积神经网络的沥青路面裂缝图像分割方法，所述方法包括：准备裂缝图片数据集，并根据数据集进行图片预处理；确定CrackResAttentionNet模型结构，并确定损失函数以及优化器，进而使用正态分布初始化权值矩阵，通过前向传播以到达输出层的预测值、反向传播对参数梯度修正更新、更新权值矩阵，最后加载训练好的CrackResAttentionNet模型，从而预测出分割好的沥青路面图像并进行裂缝图像分割的精确输出。本发明可将增加的两个注意力模块的输出按比例融合，更加强调位置信息，其每个编码层的输出与注意力输出融合，而且与相应解码层连接，上一个解码层输出作为输入到下一个解码层。这样，解码层及其上采样操作可以充分利用空间信息，提高图像的分割精度。