基于金字塔特征和级联注意力的路面裂缝检测

路面裂缝检测是道路病害自动检测一个关键环节，传统图像检测方法效率不高且易受环境干扰。论文基于卷积神经网络设计了一种在金字塔特征上采用级联注意力（Cascaded Attention）机制的CANet新结构。该网络以ResNext50为骨架网络提取路面图像金字塔特征，进而生成跨层和跨尺度的两级注意力掩膜对裂缝的卷积特征进行增强，并在不同尺度输出的裂缝特征采用双向融合方式生成裂缝预测图。CANet网络新增三个新模块，分别是Layer Attention(LA)模块、Scale-Attention(SA)模块以及Multi View Enhance(MVE)模块。该网络分别在CrackLS315和DeepCrack-DB两个数据集上进行了训练和测试，ODS和OIS指标都取得了当前最好结果。