要約
ドローン（無人航空機）を用いた道路損傷検出（RDD）は、都市における日常的な維持管理と安全に重要であり、特に労働コストの大幅な削減に寄与します。しかし、現在のドローンベースのRDD研究は依然として多くの課題に直面しています。例えば、不規則な形状と方向を持つ損傷、背景による損傷のマスキング、および背景との損傷の区別が困難であることが、日常的な点検におけるドローンの道路損傷検出能力に大きく影響を与えています。これらの問題を解決し、リアルタイム道路損傷検出におけるドローンの性能を向上させるために、我々は以下の3つの対応するモジュールを設計・提案しました：形状と背景に柔軟に対応する特徴抽出モジュール；多尺度認識を融合し形状と背景に適応するモジュール；効率的なダウンサンプリングモジュール。これらのモジュールに基づいて、自動的に背景干渉を取り除く能力を持つ多尺度適応型道路損傷検出モデル「動的スケール認識融合検出モデル（RT-DSAFDet）」を開発しました。UAV-PDD2023公開データセットでの実験結果によると、我々のモデルRT-DSAFDetはmAP50で54.2%を達成しており、最新のリアルタイム物体検出モデルYOLOv10の効率的なバリアントであるYOLOv10-mよりも11.1%高い値を示しています。また、パラメータ数は1.8Mに削減され、FLOPsも4.6Gに減少しており、それぞれ88%と93%削減されています。さらに、大規模な汎用物体検出公開データセットMS COCO2017においても、我々のモデルはmAP50-95がYOLOv9-tと同じであるにもかかわらず、mAP50が0.5%高く、パラメータ量が10%少なく、FLOPsが40%少ないという優れた性能を示しています。