孙光民， 陈佳阳， 李冰， 李煜， 闫冬

(1.北京工业大学 信息学部，北京 100124；2.中国烟草总公司 北京市公司，北京 100020)

随着我国城市化进程的加快，高层甚至超高层楼宇的数量快速增长。这些建筑的外墙通常为砖混结构，利用水泥将紧密排列的砖块粘附于建筑表面，从而起到保温、美观、抗腐蚀的作用。然而经过长时间的风吹、暴晒和雨水侵蚀，砖块很可能出现裂缝、松动、甚至脱落等现象。若脱落的砖块从高空坠下，将会对建筑物周边的行人和车辆等造成极大的危害。因此，对楼面风险的排查越来越受到重视。目前，主要还是采用人工的方式进行建筑外墙的缺陷检测，例如地面巡查或通过蜘蛛人实地勘察。但是这些人工检测方法既耗费大量的人力和物力，又不能保证在高空作业的工人的安全。故应用计算机视觉和深度学习技术完成对楼面高清图像中微小缺陷目标的自动检测，可以有效地节省人力、提高效率。

由于楼面缺陷检测任务中待检测的缺陷面积只有不到总体图像面积的几千分之一，故楼面缺陷检测属于小目标检测，为目前计算机视觉领域的研究热点。目前应用比较广泛的基于深度学习的目标检测器主要可以分为2类：第1类是两步(two-stage)目标检测器，如Fast R-CNN[1]，Faster R-CNN[2]，Mask R-CNN[3]等，这些算法特点都是将目标检测分为2个阶段：首先提取候选区域，然后再将其送入检测网络完成对目标的定位与识别。第2类是单步(one-stage)目标检测算法，如单次多盒检测器(single shot detection，SSD)[4]、你只看一次……