一种基于深度学习的粗集料深度图像分割方法

本发明公开了一种基于深度学习的粗集料深度图像分割方法，基于U‑Net网络改进并建立RD U‑Net卷积神经网络，以U‑Net作为Backbone，采用Dense Block模块取代U‑Net网络中卷积层的连续两个3×3卷积，采用基于残差结构的Res Block的连接模块取代四个跳跃连接，将所有3×3卷积替换为非对称卷积；将集料深度图像集作为训练集，将标注的掩膜图像集作为标签集对卷积神经网络进行训练，将训练好的模型作为集料深度图像分割模型。本发明可以更加准确的对粗集料的复杂边缘进行识别分割，并且能够解决将多个集料分割的一个问题，同时在三种性能指标上本发明的表现性最佳，证明了该模型的优越性。