卷积核权值。卷积网络的迭代训练过程是对损失函数不断优化的过程 图4激活函数 、基于深度卷积网络的路面裂缝分割模型 (一)模型整体结构 本文提出的基于深度卷积网络的裂缝分割模型如图5所示。以输入为320*320的RGB图像 为例,模型输出裂缝分割二值图。 320X320X3 0x320x1 BatchNormalization Conv2D Activation Conv2D Residual block 8 320x320x32 Concatenate Residual block 1 Up 2D Residual block 7 UpSampling 2D Residual block 2 esiqua OC 80x80x128 Concatenate UpSampling 2D Residual block 3 Residual block 5 40X40X256 Concatenate Residual block 4 20x20x5121 UpSampling2D 特征提取卷积网络 上采样卷积网络 图5深度卷积网络分割模型 分割模型由特征提取卷积网络和上采样网络两部分构成。特征提取卷积网络用于学习和卷积核权值。卷积网络的迭代训练过程是对损失函数不断优化的过程。 图4 激活函数 三、基于深度卷积网络的路面裂缝分割模型 （一）模型整体结构 本文提出的基于深度卷积网络的裂缝分割模型如图5所示。以输入为320*320的RGB图像 为例，模型输出裂缝分割二值图。 图5 深度卷积网络分割模型 分割模型由特征提取卷积网络和上采样网络两部分构成。特征提取卷积网络用于学习和