Affiliation of Author(s):
建筑设备科学与工程学院
Key Words:
隧道掌子面;图像语义分割;卷积注意力模块;空洞空间卷积池化金字塔模块
Abstract:
隧道掌子面岩体结构是判断岩土工程地质条件、制定施工和支护方案、预防塌方及涌水等事故的直观依据。将U-Net模型应用于掌子面岩体结构图像分割与识别时，下采样过程中缩小图像尺寸会导致岩体部分细节信息丢失，上采样过程中将低层特征传递到高层的跳跃连接导致特征映射过大。因此，提出加入空洞空间卷积池化金字塔模块ASPP和卷积注意力模块CBAM的改进U-Net模型。在U-Net模型的跳跃连接过程中加ASPP，利用不同膨胀率的空洞卷积捕获不同尺度的上下文信息，融合不同感受野的信息，从而更全面的理解图像内容；U-Net模型的下采样过程中加入CBAM，使网络模型更加关注有用的特征，从而增强特征的表达能力。实验结果表明，改进的网络模型相较于原始U-Net模型分割和识别性能有显著提升，在某隧道工程掌子面岩体图像数据集上Precision达到93.04%,mIoU达到74.98%,mPA达到78.89%。
Paper Publications
