[发明专利]一种基于改进编解码网络模型的裂缝检测方法

权利要求书

1.一种基于改进编解码网络模型的裂缝检测方法，其特征是：具有以下步骤：

S1、数据获取：使用智能设备在混凝土建筑上拍摄采集裂缝图像数据；

S2、数据标记：使用labelme软件对采集的图像数据进行标记分类；

S3、数据预处理：采用数据增强方法倍化所采集的数据集；

S4、将经过数据预处理的数据集送入编码器进行特征提取：编码器中主干网络使用经过预训练的Resnet34，在编码器中间层加入空洞卷积，

定义k为卷积核大小、k’为感受野大小、d为扩张率大小，则感受野的计算公式为：

k′＝k+(k-1)*(d-1) (1)

从一维角度解释空洞卷积，定义H为输入大小、FR为卷积核大小、Output为输出特征图尺寸、D为扩张率、P为填充、S为步长。输出特征图大小尺寸计算公式为：

S5、特征提取结束，进行特征图尺寸恢复至原图尺寸的解码器操作：在解码器前端加入多核池化模块来生成多个感受野捕捉不同尺度上信息，池化操作后输出特征图尺寸计算公式如下所示：

上式中，(H,W)为特征图分辨率、(FH,FW)为池化核大小、(OutputH,OutputW)为输出特征图分辨率、P为填充、S为步长，最外面符号为向下取整；

S6、使用改进的网络模型对步骤S3中的数据集进行检测，生成训练模型，生成模型过程中使用损失函数对模型进行监督，使用裂缝数据集训练改进的编解码网络模型生成检测模型，判断图片裂缝像素区域，输出裂缝分割结果。

2.如权利要求1所述的基于改进编解码网络模型的裂缝检测方法，其特征是：所述的步骤S5中，多核池化模块获取上下文语境信息包括以下步骤：

S5-1、不同池化核下输出的多尺寸的低维特征图通过双线性插值进行上采样，使其与原始特征图尺寸相同；

S5-2、在每个特征图后使用1x1卷积，使特征图的维数降到原始特征的1/n，这里的n表示为原始特征图的通道数；

S5-3、将不同层级的特征图和原始特征图拼接成最终输出的特征图，这里的拼接就是concat过程。

3.如权利要求1所述的基于改进编解码网络模型的裂缝检测方法，其特征是：所述生成训练模型时，选择组合损失函数Bce loss+Dice loss，

Bce loss为二分类交叉熵损失函数，公式表示为：

其中y_i表示为第i个像素点的标签值，为第i个像素点的预测标签值，普通的交叉熵损失函数在大量简单样本的迭代过程中比较缓慢且可能无法优化至最优，

Dice可以理解为两个轮廓区域的相似程度，用A、B表示两个轮廓区域所包含的点集，定义为：

DSC(A,B)＝2|A∩B|/(|A|+|B|) (5)

二分类Dice loss的公式表示为：

将上述两者线性结合得到损失函数，公式表示为：

Loss＝0.5BL+DL (7)