基于E-HRNet的路面破损区域识别方法

针对现有路面破损区域识别方法识别效率低、泛化性能差等问题，提出了一种基于深度高分辨率网络HRNet的路面坑槽和裂缝识别方法 .采用车载单目相机实地采集路面坑槽和裂缝图像，并对图像进行预处理和标注，生成路面破损数据集.在原HRNet基础上，对其网络特征提取层的4个不同分辨率表征分别融合改进的卷积注意力模块，形成E-HRNet网络模型.为了提高EHRNet模型的推理速度，对其各步骤中不同分辨率分支的残差层数进行了优化，并采用联合损失函数对该模型进行监督训练.试验结果表明：E-HRNet网络模型对路面坑槽和裂缝区域分割的平均像素精度和平均交并比分别达到了94.53%和88.31%，与原HRNet网络模型相比，平均像素准确率增加了6.53%，平均交并比提升了5.38%，平均类别准确率提高了1.39%；模型检测帧率提高了30.3%，而模型体积则减少了42.6%，可满足模型轻量化和实时检测的需求；与DDRNet、DeeplabV3+等同类模型相比，E-HRNet网络模型对坑槽和裂缝区域的分割精度更高，有效地避免了漏检、误检以及边界模糊等问题的出现，具有更好的实时性和泛化性.