基于显著性引导的深层学习桥梁缺陷检测
计算机视觉与模式识别
2025-11-19 v1
摘要
异常对象检测与分类是计算机视觉与模式识别中的主要挑战任务之一。本文提出了一种新方法，用于自动检测、定位和分类混凝土桥梁结构中的缺陷。该框架由两个主要阶段组成：第一个阶段使用显著性进行缺陷区域提议，因为缺陷通常在其周围的正常表面模式中表现为局部不连续性；第二个阶段采用基于 YOLOX 的深度学习检测器，对通过对显著缺陷区域应用边界框级亮度增强得到的显著性增强图像进行操作。实验结果表明，我们的框架在标准数据集上实现了优异的性能，在准确性和计算效率方面都表现出色，具有极大的潜力可用于实现自供电检查系统。
引用
@article{arxiv.2511.14040,
title = {Saliency-Guided Deep Learning for Bridge Defect Detection in Drone Imagery},
author = {Loucif Hebbache and Dariush Amirkhani and Mohand Saïd Allili and Jean-François Lapointe},
journal= {arXiv preprint arXiv:2511.14040},
year = {2025}
}