路面損傷の多様な形式、検出精度の低さおよび見逃し率の高さという問題に対して、本論文ではRT-DETRモデルに基づく改良手法を提案する。まず、空間領域の高周波エッジ強調と周波数領域の全体特徴抽出の結合思想に基づき、空間・周波数二重領域特徴強化モジュールFreSCalを設計し、モデルの対象情報およびエッジ情報抽出能力を強化し、対象領域と背景の識別能力を向上させた。次に、CGRSegネットワークの文脈誘導特徴再構築の思想を借用し、スケール認識の意味的ピラミッドおよび動的特徴融合機構を構築することで、多スケール対象の特徴融合能力を大幅に強化する文脈誘導空間特徴再構築ピラミッドネットワークRSDFPNを提案した。最後に、動的グループ畳み込みシャッフルとTransformerの全体モデリング能力により、空間領域の効率的な特徴強化と周波数領域の文脈融合を実現し、モデルの対象認識検出精度を向上させた。実験結果は、本論文の改良手法がRDD2022およびUAV-PDD2023の二つの主流データセットでそれぞれmAP@0.5指標を基準手法より1.9%および3.7%向上させており、路面損傷検出の有効な技術支援となることを示している。

路面損傷検出;リアルタイム検出Transformer;空間・周波数二重領域;文脈誘導再構築;動的グループ畳み込みシャッフルとTransformer協調最適化モジュール