Mask decoupling framework for rail surface defect pixel-level detection

Liu, Jianwei

doi:10.1016/j.aei.2026.104875

Mask decoupling framework for rail surface defect pixel-level detection

2026-06-01

0

PRE

AI

DOI：10.1016/j.aei.2026.104875

原文链接

原文求助

摘要

En 中文

铁路表面缺陷分割是评估铁路病害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平衡问题，导致边缘预测效果下降。针对此问题，提出了一种新型掩码解耦框架（MDF），该框架整合了掩码解耦和基于双编码器的特征交互网络（FIN）。首先，将原始掩码分解为聚焦边缘区域的小边缘掩码和集中缺陷中心区域的主体掩码。与传统边缘监督不同，小边缘掩码由于包含更多边缘像素而表现更优。随后，构建FIN分别适应小边缘掩码和主体掩码，其中嵌入的特征注意力模块（FAM）用于交互来自两个互补编码器的特征，而跨特征融合（CFF）模块负责聚合编码器的多级特征以预测分割掩码。在扩展的铁路表面缺陷数据集（RSDD）上的全面实验表明，MDF在缺陷区域和边缘的分割性能方面表现优异，并在不同评估指标上超越当前最优方法。代码将发布于https://github.com/qiuyuan666/MDF-for-Rail-Defect-Detecti on。

Keyword:

Railway transportation

Rail surface defect segmentation

Mask decoupling

Feature interaction

Mask decoupling framework for rail surface defect pixel-level detection

摘要

期刊

机构

引用论文