DeltaSeg：層状アテンションとディープ・デルタ・ラーニングによる多クラスの構造欠陥セグメンテーション

概要: 構造欠陥の自動セグメンテーションは、損傷タイプの多様性、極端なクラス不均衡、そして境界を正確に切り分ける必要性のため、視覚検査画像からの実現は依然として困難です。本論文では、デルタセグ（DeltaSeg）を提案します。DeltaSegは、階層型アテンション戦略を統合したU字型のエンコーダ-デコーダアーキテクチャであり、エンコーダにはSqueeze-and-Excitation（SE）チャネル注意、ボトルネックおよびデコーダにはCoordinate Attention、さらにスキップ接続には新しいDeep Delta Attention（DDA）機構を用います。エンコーダでは、空間解像度を維持しつつ受容野を拡大するために、拡張（dilated）ステージ付きの深さ方向分離畳み込みを用います。ボトルネックではAtrous Spatial Pyramid Pooling（ASPP）により多尺度の文脈を捉えます。DDAモジュールは、不要特徴の抑制のために学習されたデルタ演算子と、デコーダ信号に条件付けされた空間注意ゲートを組み合わせる二経路方式によってスキップ接続を洗練します。マルチスケールの補助ヘッドによる深い監督（deep supervision）は、勾配伝播をさらに強化し、中間のデコーダ段階で意味論的に有意な特徴を促します。DeltaSegを2つのデータセットで評価します。S2DSデータセット（7クラス）と、Culvert-Sewer Defect Dataset（CSDD、9クラス）です。両方のベンチマークにおいて、DeltaSegはU-Net、SA-UNet、UNet3+、SegFormer、Swin-UNet、EGE-UNet、FPN、Mobile-UNETRを含む12の競合アーキテクチャに対して一貫して優れた性能を示し、損傷タイプ、撮像条件、構造の幾何にまたがって強い汎化能力を実証しています。