ハイブリッド・セグメンター： civilインフラにおける自動微細なクラックセグメンテーションのためのハイブリッドアプローチ

インフラストラクチャー、特に道路や建物における亀裂の検出とセグメンテーションは、安全確保およびコスト効率の高いメンテナンスにとって極めて重要である。深層学習の潜在能力にもかかわらず、正確な結果の達成および多様な亀裂種類の対応という課題が存在する。本研究では、提案するデータセットとモデルにより、亀裂検出およびインフラメンテナンスの精度を向上することを目的としている。我々は、エンコーダ・デコーダ構造に基づくHybrid-Segmentorを提案する。このモデルは、細粒度な局所的特徴とグローバルな特徴を同時に抽出可能であり、さまざまな形状、表面状態、サイズの亀裂を区別するための汎化能力を高めることができる。実用性を考慮し、計算コストを低く抑えつつも、高い汎化性能を維持するため、エンコーダ部に自己注意（self-attention）機構を導入し、デコーダ部の構造を簡略化している。提案モデルは、5つの定量的評価指標（正確率：0.971、適合率：0.804、再現率：0.744、F1スコア：0.770、IoUスコア：0.630）において、既存のベンチマークモデルを上回り、最先端の性能を達成している。