MS-SSE-Net：土木・地盤工学における構造物損傷検出のためのマルチスケール空間スクイーズ&エキサイトネットワーク

Abstract

構造物の損傷検出は、土木インフラの安全性と信頼性を維持するために不可欠です。しかし、損傷パターンや環境条件の違いにより、画像から異なる種類の構造物損傷を正確に特定することは依然として困難です。これらの課題に対処するため、本論文では構造物損傷の分類のための新しい深層学習（DL）フレームワークであるMS-SSE-Netを提案します。提案モデルはDenseNet201バックボーンを基盤としており、マルチスケール特徴抽出とチャネルおよび空間アテンション機構（MS-SSE-Net）を統合しています。具体的には、並列の深さ方向畳み込みにより局所的特徴と文脈的特徴の両方を捉えます。さらに、スクイーズ・アンド・エキサイト（SE）スタイルのチャネル注意および空間注意により、有益な領域を強調し、無関係なノイズを抑制します。洗練された特徴はその後、グローバル平均プーリングと全結合の分類層によって処理され、最終的な予測を生成します。実験は、複数の構造物損傷カテゴリを含むStructDamageデータセットで実施します。提案するMS-SSE-Netは、ベースラインのDenseNet201および他の比較手法と比べて優れた性能を示します。具体的には、提案手法は精度99.31%、再現率99.25%、F1スコア99.27%、正確度99.26%を達成し、精度98.62%、再現率98.53%、F1スコア98.58%、正確度98.53%であったベースラインモデルを上回ります。