计算机应用

作者：李海丰, 张凡, 朴敏楠, 王怀超, 李南莎, 桂仲成

单位：1.中国民航大学 计算机科学与技术学院，天津 300300；2.成都圭目机器人有限公司，成都 610101

关键词：探地雷达,目标检测,卷积神经网络,通道注意力,空间注意力,特征提取

基金：国家重点研发计划项目(2019YFB1310400);天津市教委科研计划项目(2021KJ036)

针对机场道面地下目标检测任务中，探地雷达（GPR）生成的B-scan图背景复杂、包含大量噪声，尤其是单个B-scan图不能反映地下目标的完整信息等问题，构建一种三维通道和空间注意力的UNet（3D-CSA-UNet）模型对地下目标进行自动检测。首先，设计三维通道和空间注意力并行模块（3D-CS-Block），使模型重点关注雷达C-scan中的地下目标信息，抑制背景和噪声的干扰；其次，设计多尺度的三维分割模型从雷达C-scan中提取不同大小的特征图，以增强3D-CS-Block提取目标特征的能力；最后，使用交叉熵损失函数计算每个尺度下特征图的损失值，从而提高模型的检测精度。在采集的实际机场道面地下目标数据集上，相较于3D-FCN、3D-UNet等模型，3D-CSA-UNet对于脱空、钢筋和钢筋平行目标预测的平均F1至少提高12.33、9.05、11.05个百分点。实验结果表明，3D-CSA-UNet可以较好地满足工程实际要求。

来源：2023年第3期

《计算机应用》期刊编辑部

查看计算机应用杂志2023年第3期