用于视觉检测中结构状况自动评估的注意力增强协同交互融合网络（AECIF-Net）
计算机视觉与模式识别
2024-01-12 v4
摘要
高效监测民用基础设施状况需要实现视觉检测中结构状况评估的自动化。本文提出一种注意力增强协同交互融合网络（AECIF-Net）用于桥梁视觉检测中的自动结构状况评估。AECIF-Net 可同时解析检测图像中的结构构件并分割其表面缺陷。它集成两个任务特定重学习子网络，从整体特征嵌入中提取任务特定特征。协同交互特征融合模块进一步捕获空间相关性并促进任务间的信息共享。实验结果表明，所提 AECIF-Net 优于当前最先进方法，在新基准数据集 Steel Bridge Condition Inspection Visual（SBCIV）测试集上分别以 92.11% mIoU 和 87.16% mIoU 在构件分割与腐蚀分割上取得优异性能。消融研究验证了 AECIF-Net 设计的有效性，案例研究展示了其自动化结构状况评估的能力。
引用
@article{arxiv.2307.07643,
title = {Attention-Enhanced Co-Interactive Fusion Network (AECIF-Net) for Automated Structural Condition Assessment in Visual Inspection},
author = {Chenyu Zhang and Zhaozheng Yin and Ruwen Qin},
journal= {arXiv preprint arXiv:2307.07643},
year = {2024}
}
备注
Submitted to Automation in Construction