0.26M 参数，0.483 GFLOPs，EfficientCrackNet 轻量级检测模型 ！

文章预览

裂纹检测，特别是在铺砌图像领域，由于具有诸如强度不均匀性、复杂拓扑、低对比度和嘈杂背景等固有的复杂性，在计算机视觉领域面临着巨大的挑战。自动裂纹检测对维护关键基础设施（包括建筑、铺砌和桥梁等）的结构完整性至关重要。 已有的轻量级方法通常面临诸如计算效率低下、复杂的裂纹图案和难以处理的背景，导致检测不准确，不适合实际应用中。 为了克服这些局限性，作者提出了EfficientCrackNet，该轻量级混合模型将卷积神经网络（CNNs）与 Transformer 相结合，用于精确的裂缝分割。EfficientCrackNet 集成了深度可分卷积层（DSC）层和移动视觉块，以捕捉全球和局部特征。该模型使用了边缘提取方法（EEM）实现高效裂缝边缘检测，而无需预训练，并用超轻量级子空间注意力模块（ULSAM）增强特征提取。 在三个基准数据集 Crack500、DeepCrack 和 ………………………………