도로 손상의 다양한 형태, 낮은 검출 정확도 및 높은 누락률 문제를 해결하기 위해 본 논문에서는 RT-DETR 모델을 기반으로 한 개선 방법을 제안하였다. 먼저, 공간 영역의 고주파 엣지 강화와 주파수 영역의 전역 특성 추출의 결합 아이디어를 기반으로, 공간-주파수 이중 영역 특성 강화 모듈인 FreSCal을 설계하여 모델의 목표 정보 및 엣지 정보 추출 능력을 향상시키고, 목표 영역과 배경의 구분 능력을 개선하였다. 둘째, CGRSeg 네트워크의 컨텍스트 인도 특성 재구성 아이디어를 차용하여, 스케일 인식 의미 피라미드와 동적 특성 융합 메커니즘을 구축함으로써 다중 스케일 목표 특성 융합 능력을 크게 향상시키는 컨텍스트 인도 공간 특성 재구성 피라미드 네트워크 RSDFPN을 제안하였다. 마지막으로, 동적 그룹 컨볼루션 셔플과 Transformer의 전역 모델링 능력을 통해 공간 영역의 효율적인 특성 향상과 주파수 영역 컨텍스트 융합을 실현하여, 모델의 목표 인식 검출 정확도를 향상시켰다. 실험 결과, 제안된 개선 방법은 주류 데이터셋인 RDD2022와 UAV-PDD2023에서 각각 mAP@0.5 지표가 기준 방법 대비 1.9%와 3.7% 상승하는 유의미한 성능 향상을 보였으며, 도로 손상 검출에 효과적인 기술적 지원을 제공할 수 있음을 입증하였다.

도로 손상 검출; 실시간 검출 Transformer; 공간-주파수 이중 영역; 컨텍스트 인도 재구성; 동적 그룹 컨볼루션 셔플 및 Transformer 협력 최적화 모듈