D3F-DET：轻量化多尺度融合的路面缺陷检测算法

来源：计算机工程与应用杂志2025年第17期北京时间：

作者：贾翔宇, 张永宏, 阚希, 朱灵龙, 李旭

单位：1.南京信息工程大学 自动化学院，南京 210044；2.南京信息工程大学 江苏省大气环境与装备技术协同创新中心，南京 210044；3.无锡学院 物联网工程学院， 江苏 无锡 214105

摘要：针对当前道路缺陷检测算法检测精度低、漏检误检率高、泛化能力欠佳的问题，提出了一种改进的轻量化检测模型，模型包含三种核心模块：轻量化双分支动态融合网络、动态重排列自注意力机制和跨分支交叉特征融合金字塔架构。轻量化双分支动态融合网络通过在双分支主干间共享信息，减少参数量的同时实现了特征空间的高效融合；动态重排列自注意力机制提供动态范围内的自适应特征聚合，显著提高了对动态范围变化目标的检测精度；跨分支交叉特征融合金字塔架构采用双向特征交互，增强了全局语义信息和局部细节特征的融合能力。实验结果表明，该模型在NRDD-2024数据集上的mAP@0.5达到了77.2%，对比最新的实时目标检测器RT-DETR参数量降低了29.63%，计算量降低了40.35%，精度提升了2个百分点，热力图对比显示模型可以给予更合适的注意力，同时对于新数据集展现出良好的泛化能力，为嵌入式设备上的实时路面缺陷检测提供了高效可靠的解决方案。

关键词：道路缺陷检测,目标检测,轻量化网络,深度学习,RT-DETR