CoCrack: A completeness-oriented framework toward effective and efficient pavement crack detection

Wang, Xuewei

doi:10.1016/j.aei.2026.104915

CoCrack: A completeness-oriented framework toward effective and efficient pavement crack detection

2026-06-01

0

PRE

AI

DOI：10.1016/j.aei.2026.104915

原文链接

原文求助

摘要

En 中文

及时的路面裂缝检测对于延长道路使用寿命和确保交通安全至关重要。然而，在复杂场景中，现有方法难以平衡有效性与效率，常导致不完整的分割结果，如碎片化和漏检——尤其针对微小裂缝或强背景干扰下。为解决此问题，我们提出了一种高效且有效的路面裂缝检测框架CoCrack。通过以下针对性的创新，该框架将完整性和可部署性等工程需求形式化，同时强化了细粒度特征捕获和全局上下文建模能力。首先，一种新颖的重参数化门控倒置瓶颈模块作为核心编解码组件：训练时实现多分支表示和门控筛选细粒度裂缝特征，推理时重参数化为单分支等效结构，从而在保证推理效率的同时，富有表现力地捕获裂缝局部细节和微小分支。其次，一种新颖的尺度递增大核聚合网络作为主要特征提取器：其通过组装按算术序列排列的大深度可分离卷积核融合跨跨度裂缝特征，并利用前向-反向注意力协同增强空间判别力，显著扩大感受野以充分利用裂缝全局上下文。第三，一种简洁的不对称U型架构结合Transformer风格的补丁操作，促进快速低损耗的编解码，而Lovasz扩展混合损失进一步抑制漏检。在公开数据集上的广泛实验表明，CoCrack（820万参数）和CoCrack-s（244万参数）在所有分割指标上显著优于当前最佳模型。即便是轻量级CoCrack-n（45万参数）也展现出高度竞争力。车载边缘设备的部署测试证实了CoCrack-n在资源受限下的有效性与效率。总体而言，所提框架实现了卓越性能和强鲁棒性，分割裂缝区域具有超高的完整性和超低的漏检率。它对路面病害检测和结构健康监测具有重大的实际工程价值。

Keyword:

Crack detection

Completeness-oriented segmentation

Lightweight model

Missed detection

Local details

Global contexts

CoCrack: A completeness-oriented framework toward effective and efficient pavement crack detection

摘要

期刊

机构

引用论文