联合Self-attention与Axial-attention的机场跑道裂缝分割

摘要：

机场跑道裂缝形态多样、方向各异、长短不一且粗细不均,通常不具有统计规律.现有的各类裂缝分割算法难以在此类复杂场景中落地.针对上述问题,提出了联合 self-attention 与 axial-attention 的机场跑道裂缝分割网络(CSA-net),通过引入自注意力模块、轴向注意力模块、可变形卷积模块,提取裂缝的局部特征和全局语义特征.通过 transformer decoder 还原特征图的原始尺寸,融合了不同尺度间的分割结果,保留尽可能多的细节信息,使得CSA-net有更好的分割精度.在机场跑道实拍的数据集上进行的测试表明,针对裂缝的像素级分割指标 F1-score达到了 78.91％,高于目前各类裂缝分割算法.

关键词：人工智能、CSA-net、自注意力、机场跑道裂缝分割、轴向注意力、特征融合

所属期刊栏目：55

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家重点研发计划;天津市教委科研计划项目

在线出版日期：2023-05-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：30-38