基于改进Segformer的混凝土桥梁表观病害轻量级识别方法

现有基于语义分割的混凝土桥梁表观病害识别方法具有模型参数量较大、特征提取不充分、分割精度不高等缺点。针对上述问题,提出基于改进Segformer的混凝土桥梁表观病害轻量级识别方法——Segformer-SP,该方法选取MiT B0作为编码器,并引入语义融合模块(Semantic Fusion Module,SFM)和极化自注意力机制(Polarized Self-Attention,PSA)。在Segformer-SP中,SFM模块对低级特征和高级特征进行融合,以提高低级特征的语义信息量;同时,PSA自注意力机制模块可以在分割过程中捕捉全局上下文信息,解决病害特征不够充分的问题,从而进一步提高分割效果。试验结果表明:Segformer-SP的平均交并比(mIoU)和平均F1分数(mF1)相较于Segformer-B0分别提高了2.41%和1.91%;此外,Segformer-SP的mIoU和mF1均优于大部分主流语义分割算法;Segformer-SP的参数量仅为6.09×10^(6),FPS为56.54,更适合应用于终端检测设备。