基于可变形卷积与特征融合的机场道面裂缝检测算法

机场道面裂缝具有形态多变、宽度狭小、长短不一、且空间走势呈自由曲线的不规则特征，现有算法检测效果不佳。针对此问题，本文构建了一种基于可变形卷积与特征融合的神经网络（Deformable convolution and feature fusion neural network，DFNet）模型。首先由可变形卷积模块来强化特征提取网络对裂缝形态特征的学习； 然后经多尺度卷积模块捕获不同感受野下裂缝的全局信息；最后通过特征融合模块来提取裂缝不同层次的特征，通过融合裂缝低级特征与高级特征，实现对机场道面裂缝的准确分割。在采集的实际机场道面裂缝数据集上，与其他6种现有算法进行了对比实验，本文算法在像素级分割的F1-Score上达到了90.95%，效果优于全部对比算法。DFNet算法提高了对机场道面裂缝检测的能力，实验结果表明本文算法较好地达到了工程实际要求。

Airport Pavement Crack Detection Algorithm Based on Deformable Convolution and Feature Fusion