摘要
本公开提供了基于并行空洞卷积的隧道掌子面裂隙识别方法及系统,涉及深度学习隧道识别技术领域,包括获取施工现场掌子面图像;将掌子面图像输入隧道掌子面裂隙识别模型,输出裂隙识别结果;其中,在隧道掌子面裂隙识别模型中,掌子面图像先经过MobileNetv3主干网络提取高层语义特征图,再通过多个并行空洞卷积层提取多尺度特征,将不同尺度的特征进行拼接,获得统一特征表示;将统一特征表示输入至ECA注意力模块,挖掘通道间的关系提升特征表示能力,获取通道的全局信息,生成通道描述向量,将通道描述向量通过一维卷积以及Sigmoid激活函数生成通道权重向量,利用通道权重向量进行通道加权,实现原始输入特征图的重标定,完成掌子面裂隙的识别。
技术关键词
裂隙识别方法
隧道掌子面
高层语义特征
空洞
通道
多尺度特征
非暂态计算机可读存储介质
全局平均池化
图像
施工现场
注意力
网络
电子设备
处理器
存储器
数据获取模块
计算机程序产品
识别系统
关系
系统为您推荐了相关专利信息
光谱图像分类方法
输出特征
注意力机制
高光谱图像分类
分支
道路消失点检测方法
金字塔
特征加权融合
全局平均池化
非结构化道路
光学遥感影像
神经网络模型
制图方法
sigmoid函数
图像
语义理解方法
区域建议网络
多模态
关系
预训练模型