基于轻量化MU-Net网络的混凝土缺陷分割

摘要

为了提高混凝土缺陷分割准确率和效率,提出一种轻量化MU-Net(Modified U-Net)像素级分割网络。编码部分使用深度可分离卷积减少网络参数,结合反残差结构和注意力机制,在充分提取特征的同时突出目标特征;解码部分同样引入深度可分离卷积和注意力机制,通过融合深浅层信息提升目标位置还原的准确性。为广泛评估该网络的有效性,构建了一个包括多类混凝土缺陷的数据集作为实验数据,涵盖裂缝、孔洞、破损、露筋四类缺陷。五折交叉验证结果表明,相较其它先进的语义分割网络,所提出的MU-Net网络表现出更优越的性能。