用于自主道路修复的多类道路缺陷检测与分割：基于空间与通道注意力

道路路面检测与分割对于开发自主道路修复系统至关重要。然而，由于道路路面图像的纹理简单性、缺陷几何形状的多样性以及类别间的形态模糊性，开发同时执行多类缺陷检测与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多类道路缺陷检测与分割方法。该方法包含多个空间与通道注意力模块，可用于学习跨空间与通道维度的全局表示。通过这些注意力模块，可以学习道路缺陷形态信息（空间特征）以及图像颜色与深度信息的更具全局泛化性的表示。为了证明我们框架的有效性，我们在一个新收集的标注了九类道路缺陷的数据集上进行了各种消融研究并与先前方法的比较。实验表明，我们提出的方法优于现有的多类道路缺陷检测与分割 state-of-the-art 方法。