Feb, 2024

自主道路修复中的多类道路缺陷检测与分割，基于空间和通道注意力

PDF
TL;DR道路路面检测和分割是开发自主道路修复系统的关键，然而，由于道路路面图像的纹理简单、缺陷几何的多样性以及类别之间形态的模糊性，同时执行多类别缺陷检测和分割的实例分割方法具有挑战性。我们提出了一种新颖的端到端方法，用于多类别道路缺陷检测和分割，该方法包括多个空间和通道注意力块，可用于学习跨空间和通道维度的全局表示。通过这些注意力块，可以学习到更加全局化的道路缺陷的形态信息（空间特征）和图像的颜色和深度信息。为了证明我们提出的框架的有效性，我们在一个新收集的用于九种道路缺陷类别注释的数据集上进行了各种消融研究和与先前方法的比较实验。实验结果显示，我们提出的方法优于现有的多类别道路缺陷检测和分割方法的最新方法。
road pavement detectionmulti-class defect detectionsegmentationattention blocksroad defect classes
发现论文，激发创造
  • 从注意力聚合到对抗域自适应：改善道路坑洼检测的方法

    提出一种基于视差转换算法的关注聚合框架和训练集增强技术，用于改善道路坑洞检测的语义分割网络，实验结果表明其性能优于现有的单模态和数据融合网络。

    Aug, 2020

  • SpotNet: 自注意力多任务网络用于目标检测

    本研究旨在通过多任务学习方式训练一个网络实现视觉注意力，使用半监督学习方式生成前 / 背景分割标签，进而训练目标检测模型，利用分割地图实现自我注意机制，获得在交通监控领域两个数据集上显著的 mAP 改进，UA-DETRAC 和 UAVDT 数据集上均实现了最先进的结果。

    Feb, 2020

  • 通过连接性和分割的联合学习进行道路网络的细粒度提取

    本研究提出了一个堆叠多任务网络，在保持连通性正确性的同时，端到端地分割道路。在网络中，引入了全局感知模块来增强像素级道路特征表示并消除空中图像的干扰背景；增加了与道路方向相关的连通性任务，以确保网络保持道路片段的图级关系。我们还开发了一种堆叠多头结构，以共同学习和有效利用连通性学习和分割学习之间的相互信息。我们在三个公共遥感数据集上评估了所提出网络的性能。实验结果表明，该网络在道路分割准确性和连通性维护方面优于现有方法。

    Dec, 2023

  • 混凝土桥梁结构异常的多视角三维实例分割，用于强化结构检查

    使用三阶段方法，在 3D 空间中从图像级别的检测模型上分割出异常实例，以实现有效的结构损伤评估。

    Jan, 2024

  • 基于多尺度概率映射引导的具有注意力机制的指数池化在道路和建筑物分割中的应用

    该研究提出了一种新的多尺度监督扩张多路径注意力网络（MSSDMPA-Net）框架，其中包括动态注意力映射引导索引池化（DAMIP）和动态注意力映射引导空间和通道注意力（DAMSCA）等两个模块来从卫星图像中精确提取建筑物和道路，并且实验证明其优于现有方法。

    Feb, 2023

  • 基于正常参考关注机制和缺陷特征感知网络的表面缺陷检测

    本文提出了一种名为 NDP-Net 的无监督重构方法，通过引入多比例判别特征提取模块和基于参考的注意力机制，准确检测各种纹理缺陷并进行多尺度缺陷分割。

    Nov, 2022

  • 增强型注意力时空分割用于地物覆盖制图

    本文介绍一种基于 UNet 结构，与双向 LSTM 和 Attention 机制相结合的创新架构，旨在共同利用卫星数据的时空性质，更好地识别各种土地覆盖的独特时间模式， 并将其用于全球多个地区的作物测绘。实验结果表明，该方法能够缓解噪声和识别区分性时间段的有效性，并与其他最先进的方法在两个实际数据集上进行定量和定性比较。

    May, 2021

  • 针对不平衡数据集的二进制语义分割的生成对抗网络的再探讨

    基于条件生成对抗网络的深度学习框架，用于道路图像中像素级异常区域检测，实现了在多变数据集上高效稳健的最先进结果。

    Feb, 2024

  • PotholeGuard: 基于点云语义分割的路面坑洞检测方法

    我们的研究提出了一种创新的基于点云的坑洞分割架构（PotholeGuard），通过有效地识别隐藏的特征并利用反馈机制增强局部特征，提高特征表达。我们引入了本地关系学习模块以了解局部形状关系，增强结构洞察力。此外，我们提出了一个轻量级的自适应结构，使用 K 最近邻算法来细化局部点特征，解决点云密度差异和域选择问题。集成了共享 MLP 汇聚特征的方法，促进语义数据的探索和分割引导。在三个公共数据集上进行了大量实验，验证了 PotholeGuard 相比于现有先进方法的卓越性能。我们的方法为强大而准确的 3D 坑洞分割提供了有希望的解决方案，具有道路维护和安全应用的潜力。

    Nov, 2023

  • 道路裂缝检测的多粒度上下文信息流模型

    通过利用裂缝的背景和上下文信息，本文提出了一种端到端的深度学习方法来准确地定位图像中的裂缝，并且在 Bitumen Pavement Crack 数据集上的实验结果表明，该方法表现良好且优于当前最先进的方法。

    Apr, 2024