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：11-1777/TP
国际刊号：1000-1239
发布日期:
作者：刘凡,王君锋,陈峙宇,许峰,
关键词：裂缝检测, 并行注意力机制, UNet, 抑制干扰, 互补性,
裂缝对公共设施而言存在着安全隐患，因此裂缝检测是公共设施进行维护的重要手段.由于裂缝图像中存在噪声、光线、阴影等因素干扰，神经网络在训练时极易被影响，导致预测结果出现偏差，降低预测效果.为减少这些干扰，设计了一个并行注意力机制，并将其嵌入到UNet网络的解码部分，进而提出了并行注意力UNet(parallelattentionbasedUNet,PA-UNet).该方法分别从通道和空间2个维度加大裂缝特征权重以抑制干扰，然后对这2个维度生成的特征进行融合，以获得更具互补性的裂缝特征.为了验证该方法的有效性，选取了4个数据集进行实验，结果表明该方法较现有的主流方法，裂缝检测效果更加优异.同时，为了验证并行注意力机制的有效性，选取了4种注意力机制与其进行对比实验，结果表明并行注意力机制效果优于其他注意力机制.
来源：2021年第8期
《计算机研究与发展》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。