1.一种基于RSUNet的道路病害检测模型,其特征在于,包括:CNN编码器、CNN解码器和swin transformer模块;
所述CNN编码器包括多个编码单元和多个残差网络,所述多个编码单元通过所述多个残差网络Resnet连接;所述CNN解码器包括多个解码单元,所述swin transformer模块包括多个swin transformer单元,每个所述swin transformer单元连接一个所述编码单元和一个所述解码单元;所述swin transformer单元用于将所述编码单元的输出输入到所述解码单元;
所述CNN编码器的输入是待检测道路图像,所述CNN编码器的输出是特征图;所述CNN解码器的输入是所述特征图,输出是道路病害分割图像;
所述多个编码单元中的每个编码单元包括2个卷积层,所述多个编码单元包括第一编码单元、第二编码单元、第三编码单元、第四编码单元和第五编码单元;
所述第一编码单元的输入是待检测道路图像,所述第一编码单元对所述待检测道路图像进行卷积,得到第一卷积结果E1,即所述第一编码单元的输出F1;
所述第二编码单元的输入是第一编码单元的输出F1,所述第二编码单元对所述第一编码单元的输出F1进行卷积,得到第二卷积结果E2;所述第一编码单元的输出F1经过残差网络,得到第一残差结果G1;将所述第二卷积结果E2和所述第一残差结果G1进行拼接,得到第一拼接结果,即所述第二编码单元的输出F2;
所述第三编码单元的输入是所述第二编码单元的输出F2,所述第三编码单元对所述第二编码单元的输出F2进行卷积,得到第三卷积结果E3;所述第二卷积结果E2经过残差网络,得到第二残差结果G2;所述第二编码单元的输出F2经过残差网络,得到第三残差结果G3;所述第一残差结果G1和所述第三残差结果G3进行残差相加,得到第一残差相加结果S1;所述第一残差相加结果S1经过残差网络的结果、所述第二残差结果G2和所述第三卷积结果E3进行拼接,得到第二拼接结果,即所述第三编码单元的输出F3;
所述第四编码单元的输入是所述第三编码单元的输出F3,所述第四编码单元对所述第三编码单元的输出F3进行卷积,得到第四卷积结果E4;所述第三卷积结果E3经过残差网络,得到第四残差结果G4;所述第一残差相加结果S1经过残差网络,得到第五残差结果G5;所述第一残差结果G1和所述第五残差结果G5进行残差相加,得到第二残差相加结果S2;所述第二残差相加结果S2经过残差网络的结果、所述第四残差结果G4和所述第四卷积结果E4进行拼接,得到第三拼接结果,即所述第四编码单元的输出F4;
所述第五编码单元的输入是所述第四编码单元的输出F4,所述第五编码单元对所述第四编码单元的输出F4进行一次卷积,得到第五卷积结果E5;所述第四卷积结果E4经过残差网络,得到第六残差结果G6;所述第二残差相加结果S2经过残差网络,得到第七残差结果G7;所述第一残差结果G1和所述第七残差结果G7进行残差相加,得到第三残差相加结果S3;所述第六残差结果G6、所述第三残差相加结果S3经过残差网络的结果和所述第五卷积结果E5进行拼接,得到第四拼接结果;所述第四拼接结果进行一次卷积,得到所述第五编码单元的输出F5。
2.如权利要求1所述的模型,其特征在于,所述多个解码单元中的每个解码单元包括一个拼接层、2个卷积层;所述多个解码单元包括第一解码单元、第二解码单元、第三解码单元和第四解码单元;所述多个swin transformer单元包括第一swin transformer单元、第二swin transformer单元、第三swin transformer单元、第四swin transformer单元;
所述第一解码单元的输入是CNN编码器的输出经过上采样的结果和第一swintransformer单元的输出;
所述第二解码单元的输入是第二swin transformer单元的输出和第一解码单元的输出经过上采样的结果;
所述第三解码单元的输入是第三swin transformer单元的输出和第二解码单元的输出经过上采样的结果;
所述第四解码单元的输入是第四swin transformer单元的输出和第三解码单元的输出经过上采样的结果,输出是道路病害分割图像。
3.一种基于RSUNet的道路病害检测方法,其特征在于,包括:
获取待检测道路图像;
将所述待检测道路图像输入到基于RSUNet的道路病害检测模型,得到道路病害分割图像;
所述基于RSUNet的道路病害检测模型为根据权利要求1-2任意一项所述的基于RSUNet的道路病害检测模型。
4.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时,以实现权利要求3所述的基于RSUNet的道路病害检测方法。
5.一种计算机程序产品,其特征在于,包括计算机程序/指令,所述计算机程序/指令被处理器执行时,以实现权利要求3所述的基于RSUNet的道路病害检测方法。