TB-Net：一种用于细粒度路面病害分割的三流边界感知网络
计算机视觉与模式识别
2020-11-10 v1
摘要
定期路面检测在道路维护的安全保障中起着重要作用。现有方法主要解决裂缝检测与分割任务，且仅针对长细裂缝病害定制。然而，实践中还有许多其他类型、尺寸与模式更为多样的病害同样需要分割，这为细粒度路面检测带来了更多挑战。本文的目标不仅是自动分割裂缝，还要在单一模型中分割其他复杂路面病害以及典型地标（标线、跑道灯等）和常见的水/油渍。为此，我们提出一种三流边界感知网络（TB-Net）。它由融合低级空间与高级上下文表示以及详细边界信息的三个流组成。具体而言，空间流捕获丰富空间特征；利用注意力机制的上下文流对局部特征上的上下文关系建模；边界流使用全局门控卷积学习详细边界以进一步精炼分割输出。该网络以端到端方式使用双任务损失进行训练，在新收集的细粒度路面病害数据集上的实验表明了 TB-Net 的有效性。
引用
@article{arxiv.2011.03703,
title = {TB-Net: A Three-Stream Boundary-Aware Network for Fine-Grained Pavement Disease Segmentation},
author = {Yujia Zhang and Qianzhong Li and Xiaoguang Zhao and Min Tan},
journal= {arXiv preprint arXiv:2011.03703},
year = {2020}
}
备注
WACV 2021