集成多维度注意力的地下病害图像分类网络

来源：计算机工程与应用杂志2024年第14期北京时间：

作者：张弓, 许明, 李开鹏, 王斌

单位：1.中煤（西安）地下空间科技发展有限公司 地下空间研究院，西安 710100；2.西安电子科技大学 电子工程学院，西安 710071

摘要：探地雷达技术（ground penetrating radar，GPR）是一种利用高频超宽带信号探测地下目标和介质分布的勘探技术。具有无损、高效、高分辨率等优点，被广泛运用于城市道路的地下病害探测任务。GPR的B-scan图像反映地下结构的回波信息，是判定地下病害的主要依据；但相对于自然图像，除噪声较大外，其中同物异谱、异物同谱情况也十分普遍，导致人工解译困难。针对目前基于B-scan数据的地下病害自动分类方法精度较低，基于ResNeXt50结合多维度注意力机制和空洞空间金字塔池化，提出了MA-ResNeXt网络以实现地下病害的自动分类。模型训练、测试数据使用空洞（void）、脱空（cavity underneath pavement，CUP）和疏松（loosely infilled void，LIV）三种常见道路地下病害的真实探地雷达数据，分类准确率到达98.2%，实现了道路地下病害的自动识别。

关键词：深度学习,探地雷达,地下病害