GSM-CrackFormer:基于高斯尺度混合模型的多应用场景裂缝检测方法

作     者：黄廷辉 李升典 Huang Tinghui;Li Shengdian

作者机构：桂林电子科技大学计算机与信息安全学院桂林541000 

出 版 物：《计算机辅助设计与图形学学报》 (Journal of Computer-Aided Design & Computer Graphics)

年 卷 期：2024年第36卷第12期

页      面：2029-2039页

核心收录：

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：广西自然科学基金面上项目(2019GXNSFAA245053) 广西科技重大专项(AA19254016) 桂林电子科技大学研究生教育创新计划(2023YCXS068) 

主　　题：裂缝检测 图像处理方法 高斯尺度混合模型 裂缝检测场景 上下采样策略 

摘      要：传统图像处理方法或机器学习方法解决裂缝检测问题通常仅适应特定场景.随着场景切换,此类方法的检测精度会受到显著的影响,在多应用场景下缺乏鲁棒性.为了适应多应用场景,在原裂缝检测方法CrackFormer基础上进行出改进,提出一种基于高斯尺度混合模型的检测方法——GSM-CrackFormer.首先通过高斯尺度混合模型构建描述裂缝特征的高斯分布的模块;然后结合门控机制设计信号转换模块,将由分布生成的裂缝特征信息转化为锐化裂缝语义特征的指导信号,通过新颖的上下采样策略进一步平衡模型感受野与其捕获细节特征能力之间的关系;最后调整损失函数,缓解裂缝像素与非裂缝像素之间不平衡的问题.在多样化场景数据集CrackSeg9k上进行训练和评估的实验结果表明,所提方法优于文中所对比的方法,其全局最佳(ODS)指标达到0.784,单图最佳(OIS)指标达到0.785,平均交并比(MIoU)达到0.828.