基于双分支点流语义先验的路面病害分割模型

摘要: 针对基于深度学习的真实路面病害图像识别算法主要面临的复杂道路背景与病害前景比例不同、病害尺度小等导致的类别严重不平衡、路面病害与道路的几何结构特征对比不明显导致其不易识别等问题，本文提出一种基于双分支语义先验网络，用于指导自注意力骨干特征网络挖掘背景与病害前景的复杂关系，运用高效自注意力机制和互协方差自注意力机制分别对二维空间和特征通道进行语义特征提取，并引入语义局部增强模块提高局部特征聚合能力。本文提出了一种新的稀疏主体点流模块，并与传统特征金字塔网络相结合，进一步缓解路面病害的类别不平衡问题；构建了一个真实场景的道路病害分割数据集，并在该数据集和公开数据集上与多个基线模型进行对比实验，实验结果验证了本模型的有效性。

• 关键词: 
• 语义先验信息  /  
• 高效注意力机制  /  
• 互协方差注意力机制  /  
• 稀疏主体点流  /  
• 类别不平衡  /  
• 语义分割  /  
• 路面病害  /  
• 深度学习  

我国公路投资固定资产累计10万亿元，公路总里程接近520万公里[1]。完善的公路路网和交通体系为推动国家经济快速发展和加快城市化进程提供坚实的保障[2]。但是目前车多路多的严峻形势，对公路养护提出了更高的要求，其中裂隙和坑槽等道路病害严重威胁到行车安全和人民生命健康，及时发现道路病害能避免非人为因素，保障车辆驾驶安全[3]。传统人工路面病害识别检测方法效率低下并且极具主观性，急需引入路面病害智能化高效检测，来加快智慧交通养护的发展，提高识别准确率的同时实现降本增效[4]。