43、裂缝分割与遥感图像表征的先进算法研究

裂缝分割与遥感图像表征的先进算法研究

基于改进 YOLACT++ 算法的裂缝分割

YOLACT++ 算法概述

YOLACT++ 是一种用于实例分割的算法，其结构包含预测头、Protonet、NMS、Crop 等部分。在进行裂缝分割时，输出结果经过 Crop 处理后，输入到 Mask Re - Scoring Network，预测掩码与真实标签的 IOU，将预测的 IOU 与分类置信度相乘得到最终分数，从而得到裂缝实例的分割图像。

YOLACT++ 模型改进

激活函数优化

• ReLU 激活函数 ：YOLACT++ 网络原本使用 ReLU 激活函数，其表达式为 (f(x) = Relu(x) = max(0, x))。ReLU 能解决梯度消失问题，在大于 0 的区间是线性函数，可加速模型收敛。但当输入小于 0 时，神经元权重梯度为 0，反向传播时权重无法更新，神经元不再被激活。
• ReLU 激活函数优化 ：为解决上述问题，引入 Randomized Leaky ReLU（RReLU），表达式为：
  [
  f (x_t) =
  \begin{cases}
  x_t, & x_t > 0 \
  a_tx_t, & x_t < 0
  \end{cases}
  ]
  其中 (a_t) 服从均匀分布 (U(l, u)) 并随机选取。使用 RReLU 可改善训练过程中部分神经元“死亡”导致的过拟合问题，提高检测精度和掩码质量。