2023，59（13）公路作为国民基础设施的重要组成部分，已然成为现代社会发展的命脉。据政府统计公报显示，截至2020年底公路总里程达到519.81万公里，呈现近5年数值新高[1]。强大的公路干网为社会建设与经济发展提供坚实保障，而良好的路面状况为安全出行奠定切实基础。然而受使用年限、施工工艺以及自然环境等多重因素的影多层次特征融合和注意力机制的道路裂缝模型宋榕榕1，2，王财勇1，2，田启川1，2，张琪31.北京建筑大学电气与信息工程学院，北京1000442.建筑大数据智能处理方法研究北京市重点实验室，北京1000443.中国人民公安大学信息网络安全学院，北京100038摘要：针对现有裂缝检测方法易受各类噪声干扰从而导致误检及小尺度裂缝漏检的问题，提出一种基于多层次特征融合和注意力机制的道路裂缝检测模型，采用编解码结构DeepCrack网络作为基本架构。设计单尺度多层次特征融合模块应用于特征提取，通过多级网络表征增强裂缝的细节特征。同时在编解码端对称融合部位，引入改进后的三重注意力模块，从通道、高和宽3个维度进行跨维度交互，凸显裂缝特征和抑制噪声特征，并进行跨维度的特征融合，以获得更具互补性的裂缝特征。实验表明，在道路裂缝数据集CRKWH100上，模型在多个边缘评估指标上实现了当前最优，同时在Stone331石材裂缝数据集中也验证了该模型的泛化性。关键词：深度学习；编解码网络；裂缝检测；特征融合；注意力机制文献标志码：A中图分类号：TP391.41doi：10.3778/j.issn.1002-8331.2203-0531RoadCrackModelBasedonMulti-LevelFeatureFusionandAttentionMechanismSONGRongrong1，2,WANGCaiyong1，2,TIANQichuan1，2,ZHANGQi31.SchoolofElectricalandInformationEngineering,BeijingUniversityofCivilEngineeringandArchitecture,Beijing100044,China2.BeijingKeyLaboratoryofIntelligentProcessingforBuildingBigData,Beijing100044,China3.SchooofInformationandCyberSecurity,People’sPublicSecurityUniversityofChina,Beijing100038,ChinaAbstract：Inordertosolvetheproblemthatexistingcrackdetectionmethodsareeasilyinterferedbyvariousnoises,whichleadstofalsedetectionandmisseddetectionofsmall-scalecracks,thispaperproposesaroadcrackdetectionmodelbasedonmulti-levelfeaturefusionandattentionmechanism,andadoptsthecodecstructureDeepCracknetworkasthebasicframework.Asingle-scalemulti-levelfeaturefusion...
