测绘通报２０２３年第１期引文格式：宋伟东，毕春杨，赵奉书．改进ＭａｓｋＲ-ＣＮＮ公路病害检测算法［Ｊ］．测绘通报，２０２３（１）：５８-６４．ＤＯＩ：１０．１３４７４／ｊ．ｃｎｋｉ．１１-２２４６．２０２３．００１０．改进ＭａｓｋＲ-ＣＮＮ公路病害检测算法宋伟东，毕春杨，赵奉书（辽宁工程技术大学测绘与地理信息学院，辽宁阜新１２３０００）摘要：针对公路路面病害与背景像素对比度低导致检测困难的问题，本文提出了改进ＭａｓｋＲ-ＣＮＮ公路病害检测算法（ＦＡＣ-ＭａｓｋＲ-ＣＮＮ）。首先在ＲｅｓＮｅｔ１０１基础上增加强位置信息浅层特征表达，并融合相邻特征图作为主干网络最终特征输出，同时引入ＣＢＡＭ模块，以减弱目标与背景像素间低对比度的影响；然后采用深度可分离卷积和空洞卷积分别代替主干网络及有效特征层输出过程应用的普通卷积，提升模型计算效率及掩码预测精度。ＦＡＣ-ＭａｓｋＲ-ＣＮＮ在公路路面病害数据集（ＲＤＤ）上平均精确率为８９.８６％，召回率为８８.５４％，调和均值为９０％，相较于ＭａｓｋＲ-ＣＮＮ算法平均精确率提升３.０９％。结果表明，ＦＡＣ-ＭａｓｋＲ-ＣＮＮ能有效完成公路路面病害精细化检测与分割任务。关键词：病害检测；实例分割；特征融合；注意力机制；深度可分离卷积；空洞卷积中图分类号：Ｐ２３７文献标识码：Ａ文章编号：０４９４-０９１１（２０２３）０１-００５８-０７ＩｍｐｒｏｖｅｄＭａｓｋＲ-ＣＮＮｈｉｇｈｗａｙｄｉｓｅａｓｅｄｅｔｅｃｔｉｏｎａｌｇｏｒｉｔｈｍＳＯＮＧＷｅｉｄｏｎｇ，ＢＩＣｈｕｎｙａｎｇ，ＺＨＡＯＦｅｎｇｓｈｕ（ＳｃｈｏｏｌｏｆＳｕｒｖｅｙｉｎｇ，ＭａｐｐｉｎｇａｎｄＧｅｏｇｒａｐｈｉｃＩｎｆｏｒｍａｔｉｏｎ，ＬｉａｏｎｉｎｇＴｅｃｈｎｉｃａｌＵｎｉｖｅｒｓｉｔｙ，Ｆｕｘｉｎ１２３０００，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：ＡｎｉｍｐｒｏｖｅｄＭａｓｋＲ-ＣＮＮｈｉｇｈｗａｙｄｉｓｅａｓｅｄｅｔｅｃｔｉｏｎａｌｇｏｒｉｔｈｍ（ＦＡＣ-ＭａｓｋＲ-ＣＮＮ）ｉｓｐｒｏｐｏｓｅｄｔｏｓｏｌｖｅｔｈｅｐｒｏｂｌｅｍｏｆｄｅｔｅｃｔｉｏｎｄｉｆｆｉｃｕｌｔｙｃａｕｓｅｄｂｙｒｏａｄｓｕｒｆａｃｅｄｉｓｅａｓｅａｎｄｌｏｗｂａｃｋｇｒｏｕｎｄｐｉｘｅｌｃｏｎｔｒａｓｔ．ＢａｓｅｄｏｎＲｅｓＮｅｔ１０１，ａｓｈａｌｌｏｗｆｅａｔｕｒｅｅｘｐｒｅｓｓｉｏｎｗｉｔｈｓｔｒｏｎｇｐｏｓｉｔｉｏｎ...
