第２３卷第１期２０２３年２月交通运输工程学报ＪｏｕｒｎａｌｏｆＴｒａｆｆｉｃａｎｄＴｒａｎｓｐｏｒｔａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇＶｏｌ．２３Ｎｏ．１Ｆｅｂ．２０２３收稿日期：２０２２－０９－０２基金项目：国家重点研发计划（２０２１ＹＦＢ１６００２０５）；国家自然科学基金项目（５２１７８４０７，５１９７８０７１）；陕西省重点研发计划（２０２２ＪＢＧＳ３－０８）；中央高校基本科研业务费专项资金项目（３００１０２２４２９０１）作者简介：翟军治（１９８１－），男，河南开封人，长安大学工学博士研究生，从事路面裂缝图像自动化检测技术研究。导师简介：孙朝云（１９６２－），女，安徽太和人，长安大学教授，工学博士。引用格式：翟军治，孙朝云，裴莉莉，等．多尺度特征增强的路面裂缝检测方法［Ｊ］．交通运输工程学报，２０２３，２３（１）：２９１－３０８．Ｃｉｔａｔｉｏｎ：ＺＨＡＩＪｕｎ－ｚｈｉ，ＳＵＮＺｈａｏ－ｙｕｎ，ＰＥＩＬｉ－ｌｉ，ｅｔａｌ．Ｐａｖｅｍｅｎｔｃｒａｃｋｄｅｔｅｃｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎｍｕｌｔｉ－ｓｃａｌｅｆｅａｔｕｒｅｅｎｈａｎｃｅｍｅｎｔ［Ｊ］．ＪｏｕｒｎａｌｏｆＴｒａｆｆｉｃａｎｄＴｒａｎｓｐｏｒｔａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，２０２３，２３（１）：２９１－３０８．文章编号：１６７１－１６３７（２０２３）０１－０２９１－１８多尺度特征增强的路面裂缝检测方法翟军治１，孙朝云１，裴莉莉１，呼延菊２，李伟１（１．长安大学信息工程学院，陕西西安７１００６４；２．东南大学交通学院，江苏南京２１１１８９）摘要：针对路面裂缝检测不完整和分割出现断裂的问题，提出了一种多尺度特征增强的路面裂缝检测网络ＭＦＥＮｅｔ，实现端到端的路面裂缝图像检测、分类和分割处理；设计了多尺度注意力特征增强模块，建立了网络模型的上层多尺度特征通道与底层特征通道权重系数之间的映射关系，以提升有效通道的特征输出；基于路面裂缝的坐标信息和像素语义信息在物理位置上的相关性，设计了多语义特征关联模块，实现不同语义信息之间的特征融合增强，并通过特征维度转换实现对路面裂缝图像的前景特征过滤；提出了一种针对深度特征强度进行量化评估的方法，用于提升模型提取特征能力的可解释性。在自采集数据集上的研究结果表明：ＭＦＥＮｅｔ对路面裂缝图像检测的平均精准率和平均召回率相比ＭａｓｋＲ－ＣＮＮ分别提升了４．３％和...
