简介这份资源是面向计算机视觉方向学习者与毕业设计需求者的裂缝检测项目源码基于深度学习技术实现适合作为课程设计、期末大作业或毕设参考。压缩包共14个文件以Python源码为主辅以说明文档与数据集文件整体约18KB结构紧凑便于快速部署运行。项目采用孪生网络结构包含训练、预测、数据加载与工具函数等模块代码注释完整新手也能理解整体流程。已有130人学习下载说明其具备一定参考价值。读者可获得一套可直接运行的裂缝检测方案涵盖模型搭建、数据读取、训练与推理全流程同时能借鉴目录组织与模块划分思路便于二次开发或迁移到其他图像检测任务中。1. 裂缝检测项目为什么用孪生网络而不是普通 CNN拿到这份「基于深度学习的裂缝检测技术Python源码.zip」的时候我第一反应是翻 net 目录——看到siamese.py就明白了这不是那种拿 ResNet 直接怼分类的常规玩法而是走孪生网络Siamese Network做裂缝变化检测的路子。裂缝检测这个场景有个绕不开的痛点同一段路面、同一面墙体今天拍一张、下个月再拍一张光照变了、角度偏了、表面还多了几道划痕普通 CNN 直接对单张图做二分类很容易把「光照差异」当成「新增裂缝」误报率高得离谱。孪生网络把两张图分别送进共享权重的分支在特征空间里比对差异输出的不是「有没有裂缝」而是「这两张图之间哪里变了」这才是裂缝监测真正要的答案。这份源码适合谁做道路养护、桥梁健康监测、建筑结构巡检方向的同学或者毕业设计选题卡在「裂缝识别」上、想找一个能跑通、有注释、结构清晰的基线项目的人。它不追求 SOTA 指标但胜在工程完整数据加载、训练、预测、工具函数分层清楚config.py把超参集中管理改起来不用满项目找变量。下面我按「先跑通、再拆解、最后避坑」的顺序把这份源码从部署到调参完整过一遍。2. 环境搭建与数据准备从零把项目跑起来2.1 依赖安装与目录结构确认先把压缩包解压进入CrackDetecion-main目录。注意目录名里Detecion是源码作者拼写时的笔误不影响运行但你在写脚本引用路径时要跟实际目录名一致别自己改成Detection导致路径对不上。项目结构大致是这样CrackDetecion-main/ ├── main.py # 入口训练/预测调度 ├── train.py # 训练主逻辑 ├── predict.py # 推理入口 ├── config.py # 超参与路径配置 ├── net/ │ └── siamese.py # 孪生网络定义 ├── utils/ │ ├── Dataset.py # 数据集封装 │ ├── Dataloader.py # 数据加载器 │ ├── train_utils.py # 训练辅助损失、指标 │ ├── predict_utils.py # 推理辅助后处理、可视化 │ └── tools.py # 通用工具函数 ├── DamDataset/ # 数据目录 └── README.md依赖方面这类项目常见做法是 PyTorch torchvision numpy opencv-python Pillow tqdm。我一般会先建一个干净的虚拟环境避免和系统里的包打架python -m venv venv source venv/bin/activate # Windows 用 venv\Scripts\activate pip install torch torchvision numpy opencv-python Pillow tqdm matplotlib这里有个参数要留意PyTorch 版本和 CUDA 版本必须匹配。如果你机器上没有 NVIDIA 显卡直接装 CPU 版也能跑只是训练慢config.py里通常会有device字段确认它写的是cuda还是cpu。我第一次跑的时候没注意代码里硬编码了cuda结果在无显卡的笔记本上直接报AssertionError: Torch not compiled with CUDA enabled改成cpu就好了。2.2 数据集组织与 config.py 关键参数DamDataset目录是放数据的地方。孪生网络需要成对的图像常见组织方式是每个样本包含before和after两张图外加一张变化区域的标注 mask。具体子目录命名以你下载后的实际结构为准如果只有单张图和对应 mask那说明这份源码走的是「原图 标注」的配对增强路线训练时在Dataset.py里动态构造正负样本对。打开config.py重点看这几类参数参数类别典型字段作用调整建议路径data_root、save_dir数据与权重存放位置改成你本机绝对路径训练batch_size、epochs、lr批大小、轮数、学习率显存小就把 batch_size 降到 4 或 2模型input_size、backbone输入分辨率、骨干网络分辨率必须是 16 的倍数设备device训练设备无显卡改cpuinput_size这个参数是血泪经验孪生网络里两个分支共享权重最后要做特征相减或拼接如果输入尺寸不是下采样倍数的整数倍中间特征图对不齐会在 concat 那一步报维度错误。常见做法是设成 256 或 512别设 250 这种数。2.3 启动训练与日志观察配置改好后训练入口一般是main.py或train.py。先看main.py里是怎么调度的很多项目用命令行参数控制模式python main.py --mode train --config config.py如果main.py没有参数解析直接python train.py也行。启动后重点盯三样东西loss 是否下降、显存占用是否稳定、每个 epoch 耗时是否合理。孪生网络的 loss 常见是对比损失Contrastive Loss或二值交叉熵train_utils.py里能看到具体实现。如果 loss 在前几个 epoch 就卡住不动八成是学习率太大或者数据对构造有问题——比如正负样本比例严重失衡全是「无变化」对模型学不到东西。提示第一次跑建议把epochs改成 2先验证整条链路能通再放开完整训练。权重文件一般存在save_dir下命名带 epoch 数方便断点续训。3. 孪生网络结构与训练流程拆解3.1 siamese.py 里的共享权重机制net/siamese.py是整个项目的核心。孪生网络的关键在于两个分支用同一套权重代码里通常体现为一个self.backbone被调用两次而不是定义两个独立的网络。我拆这类代码时会重点确认三件事骨干网络是否只实例化一次、特征融合方式是什么、输出头怎么设计。import torch import torch.nn as nn class SiameseNet(nn.Module): def __init__(self, backbone): super().__init__() # 关键只实例化一次 backbone两个分支共享 self.backbone backbone # 融合后的输出头输入通道是单分支特征的 2 倍相减拼接 self.head nn.Sequential( nn.Conv2d(256 * 2, 128, 3, padding1), nn.BatchNorm2d(128), nn.ReLU(inplaceTrue), nn.Conv2d(128, 1, 1) # 输出单通道变化图 ) def forward(self, x1, x2): f1 self.backbone(x1) # 分支一 f2 self.backbone(x2) # 分支二复用同一 backbone diff torch.abs(f1 - f2) # 绝对差突出变化区域 feat torch.cat([diff, f1], dim1) # 拼接保留原始特征 return self.head(feat)逻辑说明self.backbone只定义一次forward里对x1、x2分别调用PyTorch 会自动共享梯度这就是孪生的本质。torch.abs(f1 - f2)是变化检测里最常用的差异度量比直接 concat 更能抑制共同背景。参数上head第一层输入通道256 * 2取决于 backbone 输出通道数如果你换了骨干网络这个数必须跟着改否则报通道不匹配。输出单通道配合 Sigmoid 就是变化概率图。3.2 Dataset.py 与 Dataloader.py 的配对逻辑utils/Dataset.py负责把原始数据变成模型要的成对样本。常见实现是继承torch.utils.data.Dataset在__getitem__里返回(img1, img2, mask)三元组。这里有个容易翻车的地方数据增强必须对两张图做完全相同的变换否则几何变换不一致模型学到的「差异」其实是增强引入的噪声。class CrackPairDataset(Dataset): def __init__(self, root, transformNone): self.root root self.transform transform self.pairs self._build_pairs() # 构造配对列表 def __getitem__(self, idx): img1_path, img2_path, mask_path self.pairs[idx] img1 Image.open(img1_path).convert(RGB) img2 Image.open(img2_path).convert(RGB) mask Image.open(mask_path).convert(L) if self.transform: # 用同一个随机种子保证两图变换一致 seed torch.initial_seed() torch.manual_seed(seed) img1 self.transform(img1) torch.manual_seed(seed) img2 self.transform(img2) torch.manual_seed(seed) mask self.transform(mask) return img1, img2, mask逻辑说明torch.manual_seed(seed)在三次 transform 前都设成同一个种子确保随机裁剪、翻转对三张图同步。参数上transform里如果用了RandomResizedCropmask 必须用最近邻插值不能用双线性否则边缘会糊掉训练时 mask 的 0/1 边界变模糊指标会虚高。Dataloader.py则负责包一层DataLoader设置batch_size、shuffle、num_workers。num_workers在 Windows 上设大于 0 有时会卡死设 0 最稳。3.3 train_utils.py 的损失与指标train_utils.py里一般放着损失函数和评估指标。裂缝变化检测的标签极度不平衡——变化区域往往只占整图的百分之几所以直接用 BCE 会被背景淹没。常见做法是 BCE Dice Loss 组合或者用带pos_weight的 BCE。def combined_loss(pred, target, bce_weight0.5): bce nn.BCEWithLogitsLoss(pos_weighttorch.tensor([5.0]).to(pred.device)) loss_bce bce(pred, target) # Dice Loss 缓解正负样本不平衡 pred_sig torch.sigmoid(pred) intersection (pred_sig * target).sum() dice 1 - (2 * intersection 1e-6) / (pred_sig.sum() target.sum() 1e-6) return bce_weight * loss_bce (1 - bce_weight) * dice逻辑说明pos_weight5.0是给正样本加权具体值要看你的数据里变化像素占比占比越低这个值越大。Dice Loss 直接优化预测和标签的重叠度对小目标更友好。参数bce_weight控制两者比例我一般从 0.5 起步如果发现模型倾向于全预测为背景就调低 bce_weight、加大 dice 比重。指标方面train_utils.py里通常有 IoU 或 F1 的计算训练时打印出来比只看 loss 更直观。4. 推理与可视化predict.py 怎么用、结果怎么看4.1 加载权重做单对推理训练完拿到权重文件后predict.py负责推理。典型流程是加载模型结构 → 载入权重 → 读入一对图像 → 前向 → 阈值化 → 保存变化图。import torch from PIL import Image from net.siamese import SiameseNet from torchvision import transforms device torch.device(cuda if torch.cuda.is_available() else cpu) model SiameseNet(backbone).to(device) model.load_state_dict(torch.load(checkpoints/best.pth, map_locationdevice)) model.eval() transform transforms.Compose([ transforms.Resize((256, 256)), transforms.ToTensor(), ]) img1 transform(Image.open(a.jpg).convert(RGB)).unsqueeze(0).to(device) img2 transform(Image.open(b.jpg).convert(RGB)).unsqueeze(0).to(device) with torch.no_grad(): logits model(img1, img2) prob torch.sigmoid(logits) mask (prob 0.5).float() # 阈值 0.5可按需调整逻辑说明model.eval()必须调用否则 BatchNorm 会用当前 batch 的统计量单张推理时结果会飘。map_locationdevice保证在有显卡训练的权重能在 CPU 机器上加载。阈值 0.5 是默认值实际用的时候要根据漏检和误检的容忍度调——养护场景宁可误报也别漏报可以把阈值降到 0.3。4.2 predict_utils.py 的后处理技巧predict_utils.py里通常有连通域过滤、形态学操作这些后处理。裂缝检测的输出图往往有零星噪点直接阈值化会得到一堆小斑点。常见做法是用 OpenCV 做开运算去掉小噪点再保留面积最大的几个连通域。import cv2 import numpy as np def post_process(mask_np, min_area50): mask_uint8 (mask_np * 255).astype(np.uint8) kernel np.ones((3, 3), np.uint8) opened cv2.morphologyEx(mask_uint8, cv2.MORPH_OPEN, kernel) num, labels, stats, _ cv2.connectedComponentsWithStats(opened) result np.zeros_like(opened) for i in range(1, num): if stats[i, cv2.CC_STAT_AREA] min_area: result[labels i] 255 return result逻辑说明min_area是最小保留面积设太小去不掉噪点设太大会把细裂缝也滤掉。裂缝通常是细长条面积不大但长度可观所以更稳妥的过滤条件是「面积 长宽比」组合而不是只看面积。参数kernel大小也要注意3x3 适合细裂缝5x5 会把细线腐蚀断。4.3 结果可视化与叠加显示光看二值 mask 不直观实际汇报时一般要把变化区域叠加到原图上。predict_utils.py里如果有可视化函数就直接用没有的话自己加一段把 mask 转成红色半透明层叠在img2上变化区域一目了然。这一步在毕业设计答辩时特别加分导师一眼就能看懂模型检出了哪里。注意叠加显示时坐标要对齐。如果你在推理前做了 Resizemask 要还原回原图尺寸再叠加否则红色区域会错位。常见做法是记录原始尺寸推理后cv2.resize回去。5. 避坑与常见问题排查5.1 报错 CUDA out of memory现象训练刚开始或跑几个 batch 后报显存不足。原因batch_size或input_size太大孪生网络前向要存两份特征图显存占用约是普通网络的 1.5 到 2 倍。解决先把batch_size减半还不行就把input_size从 512 降到 256同时确认没有其他进程占着显卡。5.2 loss 不下降或震荡剧烈现象训练几十个 epochloss 在某个值附近来回跳。原因学习率过大或者正负样本对构造比例失衡也可能数据增强把两张图的对应关系打乱了。解决学习率降到 1e-4 甚至 1e-5检查Dataset.py里配对逻辑和增强种子打印几个 batch 的样本对肉眼确认。5.3 推理结果全黑或全白现象预测出来的 mask 要么全是背景要么全是变化。原因阈值设得不合理或者模型根本没训好输出 logits 集中在某一侧。解决先把prob的分布打印出来看如果集中在 0 附近说明模型没学到变化特征回去检查训练数据和 loss如果分布正常只是阈值不对用prob.mean()附近的值试。5.4 路径报错 FileNotFoundError现象启动就报找不到文件。原因config.py里的路径是作者机器上的绝对路径或者DamDataset目录结构和代码预期不一致。解决把所有路径改成相对项目根目录的相对路径用os.path.join拼接别硬编码斜杠方向Windows 和 Linux 混用容易翻车。5.5 训练指标虚高但实际效果差现象验证集 IoU 很高但拿新图预测一塌糊涂。原因训练集和验证集来自同一段路面的相邻帧两张图几乎一样模型学到了「复制输入」而不是「检测变化」。解决划分数据集时按路段或按时间划分别随机打乱保证验证集里的场景训练时没见过。6. 进阶技巧把这份源码改成你自己的裂缝监测工具跑通只是第一步真正要用起来得做几处改造。第一处是骨干网络替换siamese.py里的 backbone 如果是最简单的几层卷积可以换成torchvision里的预训练 ResNet 或 MobileNet把head的输入通道数跟着改掉小数据集上冻结前几层、只训后面收敛快很多。第二处是输入尺寸自适应实际巡检图像分辨率五花八门我一般会在Dataset.py里做等比缩放加 padding而不是暴力 Resize这样裂缝的宽窄比例不会被拉变形。第三处是推理批量化。predict.py默认一次处理一对图实际监测往往有几百对要跑改成DataLoader批量推理能快好几倍。下面这个批量推理的骨架可以直接抄def batch_predict(model, pair_list, transform, device, batch_size8): model.eval() results [] for i in range(0, len(pair_list), batch_size): batch pair_list[i:i batch_size] imgs1 torch.stack([transform(Image.open(p[0]).convert(RGB)) for p in batch]).to(device) imgs2 torch.stack([transform(Image.open(p[1]).convert(RGB)) for p in batch]).to(device) with torch.no_grad(): probs torch.sigmoid(model(imgs1, imgs2)) results.extend(probs.cpu().numpy()) return results逻辑说明torch.stack把多对图拼成 batch一次前向出结果比循环快得多。参数batch_size根据显存调推理时没有梯度显存占用比训练小可以适当放大。注意transform里不能有随机操作推理阶段必须确定性变换。验证改造是否成功我有个习惯留一小段路面的前后对比图人工标出真实变化区域跑完算一下 IoU 和召回率跟改造前对比。如果召回率上去了但误报也涨了说明阈值或后处理要重新调。从那以后我每次改完模型结构或者换数据都强制走一遍这个小验证集不看到数字不动手写结论。这套流程帮我省过好几次「以为改好了其实退步了」的后悔药。希望这份拆解能帮你把这份源码真正用起来而不是停在「下载了、跑通了、然后呢」的阶段。本文还有配套的精品资源点击获取
简介这份资源是面向计算机视觉方向学习者与毕业设计需求者的裂缝检测项目源码基于深度学习技术实现适合作为课程设计、期末大作业或毕设参考。压缩包共14个文件以Python源码为主辅以说明文档与数据集文件整体约18KB结构紧凑便于快速部署运行。项目采用孪生网络结构包含训练、预测、数据加载与工具函数等模块代码注释完整新手也能理解整体流程。已有130人学习下载说明其具备一定参考价值。读者可获得一套可直接运行的裂缝检测方案涵盖模型搭建、数据读取、训练与推理全流程同时能借鉴目录组织与模块划分思路便于二次开发或迁移到其他图像检测任务中。1. 裂缝检测项目为什么用孪生网络而不是普通 CNN拿到这份「基于深度学习的裂缝检测技术Python源码.zip」的时候我第一反应是翻 net 目录——看到siamese.py就明白了这不是那种拿 ResNet 直接怼分类的常规玩法而是走孪生网络Siamese Network做裂缝变化检测的路子。裂缝检测这个场景有个绕不开的痛点同一段路面、同一面墙体今天拍一张、下个月再拍一张光照变了、角度偏了、表面还多了几道划痕普通 CNN 直接对单张图做二分类很容易把「光照差异」当成「新增裂缝」误报率高得离谱。孪生网络把两张图分别送进共享权重的分支在特征空间里比对差异输出的不是「有没有裂缝」而是「这两张图之间哪里变了」这才是裂缝监测真正要的答案。这份源码适合谁做道路养护、桥梁健康监测、建筑结构巡检方向的同学或者毕业设计选题卡在「裂缝识别」上、想找一个能跑通、有注释、结构清晰的基线项目的人。它不追求 SOTA 指标但胜在工程完整数据加载、训练、预测、工具函数分层清楚config.py把超参集中管理改起来不用满项目找变量。下面我按「先跑通、再拆解、最后避坑」的顺序把这份源码从部署到调参完整过一遍。2. 环境搭建与数据准备从零把项目跑起来2.1 依赖安装与目录结构确认先把压缩包解压进入CrackDetecion-main目录。注意目录名里Detecion是源码作者拼写时的笔误不影响运行但你在写脚本引用路径时要跟实际目录名一致别自己改成Detection导致路径对不上。项目结构大致是这样CrackDetecion-main/ ├── main.py # 入口训练/预测调度 ├── train.py # 训练主逻辑 ├── predict.py # 推理入口 ├── config.py # 超参与路径配置 ├── net/ │ └── siamese.py # 孪生网络定义 ├── utils/ │ ├── Dataset.py # 数据集封装 │ ├── Dataloader.py # 数据加载器 │ ├── train_utils.py # 训练辅助损失、指标 │ ├── predict_utils.py # 推理辅助后处理、可视化 │ └── tools.py # 通用工具函数 ├── DamDataset/ # 数据目录 └── README.md依赖方面这类项目常见做法是 PyTorch torchvision numpy opencv-python Pillow tqdm。我一般会先建一个干净的虚拟环境避免和系统里的包打架python -m venv venv source venv/bin/activate # Windows 用 venv\Scripts\activate pip install torch torchvision numpy opencv-python Pillow tqdm matplotlib这里有个参数要留意PyTorch 版本和 CUDA 版本必须匹配。如果你机器上没有 NVIDIA 显卡直接装 CPU 版也能跑只是训练慢config.py里通常会有device字段确认它写的是cuda还是cpu。我第一次跑的时候没注意代码里硬编码了cuda结果在无显卡的笔记本上直接报AssertionError: Torch not compiled with CUDA enabled改成cpu就好了。2.2 数据集组织与 config.py 关键参数DamDataset目录是放数据的地方。孪生网络需要成对的图像常见组织方式是每个样本包含before和after两张图外加一张变化区域的标注 mask。具体子目录命名以你下载后的实际结构为准如果只有单张图和对应 mask那说明这份源码走的是「原图 标注」的配对增强路线训练时在Dataset.py里动态构造正负样本对。打开config.py重点看这几类参数参数类别典型字段作用调整建议路径data_root、save_dir数据与权重存放位置改成你本机绝对路径训练batch_size、epochs、lr批大小、轮数、学习率显存小就把 batch_size 降到 4 或 2模型input_size、backbone输入分辨率、骨干网络分辨率必须是 16 的倍数设备device训练设备无显卡改cpuinput_size这个参数是血泪经验孪生网络里两个分支共享权重最后要做特征相减或拼接如果输入尺寸不是下采样倍数的整数倍中间特征图对不齐会在 concat 那一步报维度错误。常见做法是设成 256 或 512别设 250 这种数。2.3 启动训练与日志观察配置改好后训练入口一般是main.py或train.py。先看main.py里是怎么调度的很多项目用命令行参数控制模式python main.py --mode train --config config.py如果main.py没有参数解析直接python train.py也行。启动后重点盯三样东西loss 是否下降、显存占用是否稳定、每个 epoch 耗时是否合理。孪生网络的 loss 常见是对比损失Contrastive Loss或二值交叉熵train_utils.py里能看到具体实现。如果 loss 在前几个 epoch 就卡住不动八成是学习率太大或者数据对构造有问题——比如正负样本比例严重失衡全是「无变化」对模型学不到东西。提示第一次跑建议把epochs改成 2先验证整条链路能通再放开完整训练。权重文件一般存在save_dir下命名带 epoch 数方便断点续训。3. 孪生网络结构与训练流程拆解3.1 siamese.py 里的共享权重机制net/siamese.py是整个项目的核心。孪生网络的关键在于两个分支用同一套权重代码里通常体现为一个self.backbone被调用两次而不是定义两个独立的网络。我拆这类代码时会重点确认三件事骨干网络是否只实例化一次、特征融合方式是什么、输出头怎么设计。import torch import torch.nn as nn class SiameseNet(nn.Module): def __init__(self, backbone): super().__init__() # 关键只实例化一次 backbone两个分支共享 self.backbone backbone # 融合后的输出头输入通道是单分支特征的 2 倍相减拼接 self.head nn.Sequential( nn.Conv2d(256 * 2, 128, 3, padding1), nn.BatchNorm2d(128), nn.ReLU(inplaceTrue), nn.Conv2d(128, 1, 1) # 输出单通道变化图 ) def forward(self, x1, x2): f1 self.backbone(x1) # 分支一 f2 self.backbone(x2) # 分支二复用同一 backbone diff torch.abs(f1 - f2) # 绝对差突出变化区域 feat torch.cat([diff, f1], dim1) # 拼接保留原始特征 return self.head(feat)逻辑说明self.backbone只定义一次forward里对x1、x2分别调用PyTorch 会自动共享梯度这就是孪生的本质。torch.abs(f1 - f2)是变化检测里最常用的差异度量比直接 concat 更能抑制共同背景。参数上head第一层输入通道256 * 2取决于 backbone 输出通道数如果你换了骨干网络这个数必须跟着改否则报通道不匹配。输出单通道配合 Sigmoid 就是变化概率图。3.2 Dataset.py 与 Dataloader.py 的配对逻辑utils/Dataset.py负责把原始数据变成模型要的成对样本。常见实现是继承torch.utils.data.Dataset在__getitem__里返回(img1, img2, mask)三元组。这里有个容易翻车的地方数据增强必须对两张图做完全相同的变换否则几何变换不一致模型学到的「差异」其实是增强引入的噪声。class CrackPairDataset(Dataset): def __init__(self, root, transformNone): self.root root self.transform transform self.pairs self._build_pairs() # 构造配对列表 def __getitem__(self, idx): img1_path, img2_path, mask_path self.pairs[idx] img1 Image.open(img1_path).convert(RGB) img2 Image.open(img2_path).convert(RGB) mask Image.open(mask_path).convert(L) if self.transform: # 用同一个随机种子保证两图变换一致 seed torch.initial_seed() torch.manual_seed(seed) img1 self.transform(img1) torch.manual_seed(seed) img2 self.transform(img2) torch.manual_seed(seed) mask self.transform(mask) return img1, img2, mask逻辑说明torch.manual_seed(seed)在三次 transform 前都设成同一个种子确保随机裁剪、翻转对三张图同步。参数上transform里如果用了RandomResizedCropmask 必须用最近邻插值不能用双线性否则边缘会糊掉训练时 mask 的 0/1 边界变模糊指标会虚高。Dataloader.py则负责包一层DataLoader设置batch_size、shuffle、num_workers。num_workers在 Windows 上设大于 0 有时会卡死设 0 最稳。3.3 train_utils.py 的损失与指标train_utils.py里一般放着损失函数和评估指标。裂缝变化检测的标签极度不平衡——变化区域往往只占整图的百分之几所以直接用 BCE 会被背景淹没。常见做法是 BCE Dice Loss 组合或者用带pos_weight的 BCE。def combined_loss(pred, target, bce_weight0.5): bce nn.BCEWithLogitsLoss(pos_weighttorch.tensor([5.0]).to(pred.device)) loss_bce bce(pred, target) # Dice Loss 缓解正负样本不平衡 pred_sig torch.sigmoid(pred) intersection (pred_sig * target).sum() dice 1 - (2 * intersection 1e-6) / (pred_sig.sum() target.sum() 1e-6) return bce_weight * loss_bce (1 - bce_weight) * dice逻辑说明pos_weight5.0是给正样本加权具体值要看你的数据里变化像素占比占比越低这个值越大。Dice Loss 直接优化预测和标签的重叠度对小目标更友好。参数bce_weight控制两者比例我一般从 0.5 起步如果发现模型倾向于全预测为背景就调低 bce_weight、加大 dice 比重。指标方面train_utils.py里通常有 IoU 或 F1 的计算训练时打印出来比只看 loss 更直观。4. 推理与可视化predict.py 怎么用、结果怎么看4.1 加载权重做单对推理训练完拿到权重文件后predict.py负责推理。典型流程是加载模型结构 → 载入权重 → 读入一对图像 → 前向 → 阈值化 → 保存变化图。import torch from PIL import Image from net.siamese import SiameseNet from torchvision import transforms device torch.device(cuda if torch.cuda.is_available() else cpu) model SiameseNet(backbone).to(device) model.load_state_dict(torch.load(checkpoints/best.pth, map_locationdevice)) model.eval() transform transforms.Compose([ transforms.Resize((256, 256)), transforms.ToTensor(), ]) img1 transform(Image.open(a.jpg).convert(RGB)).unsqueeze(0).to(device) img2 transform(Image.open(b.jpg).convert(RGB)).unsqueeze(0).to(device) with torch.no_grad(): logits model(img1, img2) prob torch.sigmoid(logits) mask (prob 0.5).float() # 阈值 0.5可按需调整逻辑说明model.eval()必须调用否则 BatchNorm 会用当前 batch 的统计量单张推理时结果会飘。map_locationdevice保证在有显卡训练的权重能在 CPU 机器上加载。阈值 0.5 是默认值实际用的时候要根据漏检和误检的容忍度调——养护场景宁可误报也别漏报可以把阈值降到 0.3。4.2 predict_utils.py 的后处理技巧predict_utils.py里通常有连通域过滤、形态学操作这些后处理。裂缝检测的输出图往往有零星噪点直接阈值化会得到一堆小斑点。常见做法是用 OpenCV 做开运算去掉小噪点再保留面积最大的几个连通域。import cv2 import numpy as np def post_process(mask_np, min_area50): mask_uint8 (mask_np * 255).astype(np.uint8) kernel np.ones((3, 3), np.uint8) opened cv2.morphologyEx(mask_uint8, cv2.MORPH_OPEN, kernel) num, labels, stats, _ cv2.connectedComponentsWithStats(opened) result np.zeros_like(opened) for i in range(1, num): if stats[i, cv2.CC_STAT_AREA] min_area: result[labels i] 255 return result逻辑说明min_area是最小保留面积设太小去不掉噪点设太大会把细裂缝也滤掉。裂缝通常是细长条面积不大但长度可观所以更稳妥的过滤条件是「面积 长宽比」组合而不是只看面积。参数kernel大小也要注意3x3 适合细裂缝5x5 会把细线腐蚀断。4.3 结果可视化与叠加显示光看二值 mask 不直观实际汇报时一般要把变化区域叠加到原图上。predict_utils.py里如果有可视化函数就直接用没有的话自己加一段把 mask 转成红色半透明层叠在img2上变化区域一目了然。这一步在毕业设计答辩时特别加分导师一眼就能看懂模型检出了哪里。注意叠加显示时坐标要对齐。如果你在推理前做了 Resizemask 要还原回原图尺寸再叠加否则红色区域会错位。常见做法是记录原始尺寸推理后cv2.resize回去。5. 避坑与常见问题排查5.1 报错 CUDA out of memory现象训练刚开始或跑几个 batch 后报显存不足。原因batch_size或input_size太大孪生网络前向要存两份特征图显存占用约是普通网络的 1.5 到 2 倍。解决先把batch_size减半还不行就把input_size从 512 降到 256同时确认没有其他进程占着显卡。5.2 loss 不下降或震荡剧烈现象训练几十个 epochloss 在某个值附近来回跳。原因学习率过大或者正负样本对构造比例失衡也可能数据增强把两张图的对应关系打乱了。解决学习率降到 1e-4 甚至 1e-5检查Dataset.py里配对逻辑和增强种子打印几个 batch 的样本对肉眼确认。5.3 推理结果全黑或全白现象预测出来的 mask 要么全是背景要么全是变化。原因阈值设得不合理或者模型根本没训好输出 logits 集中在某一侧。解决先把prob的分布打印出来看如果集中在 0 附近说明模型没学到变化特征回去检查训练数据和 loss如果分布正常只是阈值不对用prob.mean()附近的值试。5.4 路径报错 FileNotFoundError现象启动就报找不到文件。原因config.py里的路径是作者机器上的绝对路径或者DamDataset目录结构和代码预期不一致。解决把所有路径改成相对项目根目录的相对路径用os.path.join拼接别硬编码斜杠方向Windows 和 Linux 混用容易翻车。5.5 训练指标虚高但实际效果差现象验证集 IoU 很高但拿新图预测一塌糊涂。原因训练集和验证集来自同一段路面的相邻帧两张图几乎一样模型学到了「复制输入」而不是「检测变化」。解决划分数据集时按路段或按时间划分别随机打乱保证验证集里的场景训练时没见过。6. 进阶技巧把这份源码改成你自己的裂缝监测工具跑通只是第一步真正要用起来得做几处改造。第一处是骨干网络替换siamese.py里的 backbone 如果是最简单的几层卷积可以换成torchvision里的预训练 ResNet 或 MobileNet把head的输入通道数跟着改掉小数据集上冻结前几层、只训后面收敛快很多。第二处是输入尺寸自适应实际巡检图像分辨率五花八门我一般会在Dataset.py里做等比缩放加 padding而不是暴力 Resize这样裂缝的宽窄比例不会被拉变形。第三处是推理批量化。predict.py默认一次处理一对图实际监测往往有几百对要跑改成DataLoader批量推理能快好几倍。下面这个批量推理的骨架可以直接抄def batch_predict(model, pair_list, transform, device, batch_size8): model.eval() results [] for i in range(0, len(pair_list), batch_size): batch pair_list[i:i batch_size] imgs1 torch.stack([transform(Image.open(p[0]).convert(RGB)) for p in batch]).to(device) imgs2 torch.stack([transform(Image.open(p[1]).convert(RGB)) for p in batch]).to(device) with torch.no_grad(): probs torch.sigmoid(model(imgs1, imgs2)) results.extend(probs.cpu().numpy()) return results逻辑说明torch.stack把多对图拼成 batch一次前向出结果比循环快得多。参数batch_size根据显存调推理时没有梯度显存占用比训练小可以适当放大。注意transform里不能有随机操作推理阶段必须确定性变换。验证改造是否成功我有个习惯留一小段路面的前后对比图人工标出真实变化区域跑完算一下 IoU 和召回率跟改造前对比。如果召回率上去了但误报也涨了说明阈值或后处理要重新调。从那以后我每次改完模型结构或者换数据都强制走一遍这个小验证集不看到数字不动手写结论。这套流程帮我省过好几次「以为改好了其实退步了」的后悔药。希望这份拆解能帮你把这份源码真正用起来而不是停在「下载了、跑通了、然后呢」的阶段。本文还有配套的精品资源点击获取
