基于 3D-GPR 的路面病害检测多视图融合与蒸馏方法
计算机视觉与模式识别
2023-08-10 v1 人工智能
摘要
三维探地雷达（3D-GPR）在路基病害检测中的应用已广泛普及。为提高检测效率与精度，开创性研究已尝试采用自动检测技术，尤其是深度学习。然而，现有工作通常依赖 GPR 的传统一维 A-scan、二维 B-scan 或三维 C-scan 数据，导致空间信息不足或计算复杂度高。为应对这些挑战，我们引入了一种利用 3D-GPR 数据多视图信息用于路基病害检测任务的新方法。此外，我们基于原始 3D-GPR 数据构建了一个真实的多视图图像数据集用于该检测任务，与 A-scan 和 B-scan 数据相比提供了更丰富的空间信息，同时相比 C-scan 数据降低了计算复杂度。随后，我们开发了专为最优利用该多视图 GPR 数据集而设计的新型多视图融合与蒸馏框架 GPR-MVFD（Multi-View Fusion and Distillation）。该框架巧妙结合了多视图蒸馏与基于注意力的融合，以促进路基病害的显著特征提取。此外，采用自适应学习机制以稳定模型训练并防止各分支性能退化。在该新 GPR 基准上的大量实验证明了我们所提框架的有效性与高效性。我们的框架不仅优于现有 GPR 基线，也优于多视图学习、多模态学习和知识蒸馏领域的最优方法。我们将发布所构建的带专家标注标签的多视图 GPR 数据集及所提框架的源代码。
引用
@article{arxiv.2308.04779,
title = {Multi-View Fusion and Distillation for Subgrade Distresses Detection based on 3D-GPR},
author = {Chunpeng Zhou and Kangjie Ning and Haishuai Wang and Zhi Yu and Sheng Zhou and Jiajun Bu},
journal= {arXiv preprint arXiv:2308.04779},
year = {2023}
}