具有边界意识的轴向注意网络,用于高质量的路面裂检测

科学领域:

• 计算机视觉 计算机视觉
• 人工智能的人工智能
• 智能运输系统 智能运输系统

背景情况:

• 路面裂检测对于智能交通系统中的道路维护至关重要.
• 现有的方法与各种环境因素,复杂的拓和强度变化作斗争,导致概括不佳.
• 严重的前景背景不平衡和过度拟合问题阻碍了当前裂检测模型的性能.

研究的目的:

• 开发一种高质量的路面裂检测的创新方法.
• 解决现有方法在处理各种裂纹条件和数据不平衡方面的局限性.
• 提高路面裂检测模型的通用化和性能.

主要方法:

• 提出了边界意识的轴向注意网络 (BAAN),具有层次化的编码器-解码器架构.
• 集成的位置导向轴向注意 (PAA) 模块用于捕获精确的空间结构和上下文信息.
• 引入了一个边界规范化模块 (BRM) 来增强前景背景歧视和边界精细化损失 (BRL) 来管理数据不平衡.

主要成果:

• 在四个破解数据集中,BAAN表现出与最先进的方法相比的一致的优异性.
• 拟议的方法有效地处理各种裂条件,包括照明和强度的变化.
• 与现有方法相比,BAAN实现了更高的性能,同时需要更少的计算资源.

结论:

• 边界感知轴向注意网络 (BAAN) 在路面裂检测方面取得了重大进展.
• BAAN有效地克服了与数据不平衡和各种环境因素相关的挑战.
• 拟议的方法为智能道路维护提供了一个计算效率高,性能高的解决方案.