声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：32-1429/V
国际刊号：1005-2615
发布日期:
作者：李海丰，景攀，韩红阳
单位：中国民航大学计算机科学与技术学院，天津 300300；,中国民航大学计算机科学与技术学院，天津 300300；,中国民航大学计算机科学与技术学院，天津 300300；
关键词：人工智能;机场道面裂缝检测;可变形卷积与特征融合的神经网络;可变形卷积;多尺度卷积;特征融合
基金：国家重点研发计划（2019YFB1310601）资助项目。
机场道面裂缝具有形态多变、宽度狭小、长短不一、且空间走势呈自由曲线的不规则特征，现有算法检测效果不佳。针对此问题，本文构建了一种基于可变形卷积与特征融合的神经网络（Deformable convolution and feature fusion neural network，DFNet）模型。首先由可变形卷积模块来强化特征提取网络对裂缝形态特征的学习； 然后经多尺度卷积模块捕获不同感受野下裂缝的全局信息；最后通过特征融合模块来提取裂缝不同层次的特征，通过融合裂缝低级特征与高级特征，实现对机场道面裂缝的准确分割。在采集的实际机场道面裂缝数据集上，与其他6种现有算法进行了对比实验，本文算法在像素级分割的F1-Score上达到了90.95%，效果优于全部对比算法。DFNet算法提高了对机场道面裂缝检测的能力，实验结果表明本文算法较好地达到了工程实际要求。
来源：2021年第6期
《南京航空航天大学学报》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。