用于铁路表面缺陷像素级检测的掩膜解耦框架

《ADVANCED ENGINEERING INFORMATICS》：Mask decoupling framework for rail surface defect pixel-level detection

　　

Jianwei Liu|Yuan Qiu|Xuefeng Ni|Yanfu Li|Hongli Liu

摘要

铁轨表面缺陷分割是评估铁轨疾病严重程度的关键步骤，但现有方法难以处理边缘像素分布不均衡的问题，这会降低边缘检测的准确性。为了解决这一问题，本文提出了一种新颖的掩码解耦框架（MDF），该框架结合了掩码解耦技术和基于双编码器的特征交互网络（FIN）。首先，将原始掩码分解为关注边缘区域的边缘子掩码（edgelet mask）和关注缺陷中心区域的主体掩码（body mask）。与传统边缘监督方法不同，边缘子掩码由于涉及更多的边缘像素，因此具有更好的检测效果。随后，分别针对边缘子掩码和主体掩码构建了特征交互网络（FIN）。在该网络中，嵌入的特征注意力模块（FAM）用于整合来自两个互补编码器的特征；而交叉特征融合（CFF）模块则负责聚合这些多级特征以生成分割掩码。在扩展的铁轨表面缺陷数据集（RSDD）上的综合实验表明，MDF在缺陷区域和边缘的检测方面表现出优异的性能，并且在各种评估指标上均优于现有最先进方法。相关代码可访问：https://github.com/qiuyuan666/MDF-for-Rail-Defect-Detection。