[发明专利]一种基于改进残差网络的铁路隧道裂缝检测方法

权利要求书

1.一种基于改进残差网络的铁路隧道裂缝检测方法，包括收集铁路隧道裂缝图像并得到铁路隧道裂缝检测数据集，其特征在于，还包括以下步骤：

步骤1：对所述铁路隧道裂缝检测数据集中的图像进行增强处理并将所述图像随机划分为训练集和测试集；

步骤2：对残差网络结构进行改进，用训练集中的图像对改进后的残差网络进行训练，通过训练不断优化残差网络结构，训练完成后用测试集图像测试残差网络的准确率；

步骤3：用训练后的残差网络结构对铁路隧道图像进行裂缝分类检测。

2.如权利要求1所述的基于改进残差网络的铁路隧道裂缝检测方法，其特征在于，在空间金字塔池化下进行空洞卷积，构建金字塔空洞卷积模块，通过聚集小的区域来区分图像中的类别，在该模型中，假设输入为X，输出为Y，则Y可用以下公式表示：

其中，Dilatel-Dilate3用来表示扩张的卷积核；Conv1-Conv4用来表示普通的卷积核；F₁、F₂和F₃表示以不同的速率进行卷积后产生的输出；表示卷积；{}表示级联算法。

3.如权利要求2所述的基于改进残差网络的铁路隧道裂缝检测方法，其特征在于，所述金字塔空洞卷积模块的工作方法为并行采用不同扩张率的空洞卷积层以多个比例来获取裂缝像素特征以及隧道裂缝图像的上下文信息，利用并联的空洞卷积进行提取图像裂缝特征，然后对提取到的特征进行融合。

4.如权利要求3所述的基于改进残差网络的铁路隧道裂缝检测方法，其特征在于，所述金字塔空洞卷积模块下的空洞卷积是一种特殊的卷积方式，在不降低特征图分辨率的情况下增加卷积核的接收范围，用于多尺度特征图像的提取。

5.如权利要求4所述的基于改进残差网络的铁路隧道裂缝检测方法，其特征在于，所述空洞卷积在卷积的时候，会在卷积核元素之间加入空格，若原来的卷积核大小为k，空洞卷积的一个新的超参数为d，那么加入(d-1)个空格后的卷积核大小n的计算公式为：

n＝k+(k-1)*(d-1)

假定输入空洞卷积的大小为i，步长为s，填充的像素数为p，空洞卷积后特征图大小o的计算公式为：

6.如权利要求5所述的基于改进残差网络的铁路隧道裂缝检测方法，其特征在于，所述步骤3包括利用改进的所述残差网络结构对所述铁路隧道裂缝数据集进行训练及提取特征，在分类之前进行特征的整合，对实验的结果进行分类。

7.如权利要求6所述的基于改进残差网络的铁路隧道裂缝检测方法，其特征在于，所述步骤3还包括对实验的结果进行分类时采用Softmax分类器，预测函数的公式为：

其中，f_θ(x⁽ⁱ⁾)表示最终预测的样本属于某个类别的概率，θ表示模型的参数，P表示估计x的每一种分类结果出现的概率，y⁽ⁱ⁾表示预测的标签，x⁽ⁱ⁾表示给定的测试值，j表示真实的标签，k表示样本的类别数，表示对所有的概率值进行归一化操作。

8.如权利要求7所述的基于改进残差网络的铁路隧道裂缝检测方法，其特征在于，所述步骤3还包括通过损失函数角度提高识别精度，设计基于度量学习的损失函数衡量图像的特征之间的差异性，其计算公式如下：

Loss_r＝max(‖f(A)-f(B)‖²-‖f(A)-f(N)‖²+C,0)

其中，Loss_r代表度量学习的损失函数，A代表目标样本的特征，B代表提取的图像特征，N代表与A不同类别的特征，C代表大于0的数，max(x,0)代表当其输入x小于0时，max(x,0)的输出为0，x大于0时，max(x,0)的输出为x。