1.一种基于语义分割的桥梁裂缝图像分割模型，其特征在于：依次包括卷积核为5x 5的第一卷积层、由DenseBlock和Transition Down组成的下采样路径、由DenseBlock和Transition Up组成的上采样路径，卷积核为1x 1的第二卷积层以及Softmax函数；

所述下采样路径包括5个DenseBlock层和4个Transition Down；所述上采样路径包括4个DenseBlock层和4个Transition Up层；

所述9个DenseBlock层的layers层数量依次为4层、5层、7层、10层、12层、10层、7层、5层和4层；

所述每个Transition Down包含一个卷积，每个Transition Up包含一个转置卷积。

2.根据权利要求1所述的一种基于语义分割的桥梁裂缝图像分割模型，其特征在于：所述DenseBlock层的每个layers层包括Batch Normalization、ReLU激活函数、3x3卷积和Dropout。

3.根据权利要求2所述的一种基于语义分割的桥梁裂缝图像分割模型，其特征在于：所述Transition Down由Batch Normalization、ReLU激活函数、1x1卷积与2x2池化操作组成。

4.根据权利要求2或3所述的一种基于语义分割的桥梁裂缝图像分割模型，其特征在于：所述Batch Normalization具体算法如下：Batch Normalization算法在每一次迭代中的每一层输入都进行了归一化，将输入数据的分布归一化为均值为0，方差为1的分布，具体如公式(2)：其中，xk表示输入数据的第k维，E[xk]表示k维的平均值， 表示标准差；

Batch Normalization算法的两个可学习的变量γ和β的如公式(3)，γ和β用于还原上一层学到的数据分布。

5.根据权利要求2或3所述的一种基于语义分割的桥梁裂缝图像分割模型，其特征在于：所述ReLU激活函数为连续的非线性激活函数，计算如公式(4)所示：ReLU(x)＝max(0,x)    (4)。