改进U-net的自密实混凝土骨料语义分割算法

为提高自密实混凝土骨料语义分割算法的性能,本文研究了一种融合注意力机制与深度学习的计算机视觉方法,该方法采用主流的编码器(ResNet50)-解码器(U-net)结构,建立了基于融合注意力机制与深度学习的自密实混凝土骨料语义分割模型,可以在像素级别上分割混凝土图像中的骨料,并通过精度、召回率、F1分数和交并比等4个指标对模型进行评估.实验结果表明,在同一数据集下,本文模型评估性能优于目前性能优异的模型DeepLab V3+、PSPNet和HRnet,为评价自密实混凝土的稳定性或抗静态离析性提供了高效率的工具.