面向鲁棒路面积水检测的轻量级Swin-Identity与可变形注意力网络PuddleSIFNet

《Journal of King Saud University Computer and Information Sciences》：PuddleSIFNet: A lightweight swin-identity and deformable-attention network for robust road-puddle detection

　　

可靠的路面积水检测对智能道路巡检与交通场景感知具有重要意义，但仍具挑战性：积水区域呈现不规则形状、边界微弱、强反射，且与阴影、湿滑路面、道路标线在视觉上高度相似。研究人员提出PuddleSIFNet，一种基于YOLOv13n构建的轻量级鲁棒路面积水检测器。框架保留HyperACE（超图自适应相关性增强）与FullPAD（全管道聚合-分发范式）机制，并引入三项面向任务组件：紧凑型Swin–Identity特征（SIF）骨干网络用于分层上下文表征、多采样可变形注意力（MSDAttention）模块用于几何自适应高层细化、以及FasterBlock增强的DS-C3k2颈部用于高效多尺度特征融合。实验基于作者整理的3950张RGB道路图像与8325个标注积水实例，采用固定训练-验证-测试划分并重复五次独立运行。PuddleSIFNet取得89.4%精确率、78.2%召回率、85.8% mAP@50与54.1% mAP@50:95，较YOLOv13n基线分别提升7.0、4.1、4.3与4.0个百分点，同时将参数量由2.5M降至2.3M。在六个外部道路积水基准的统一跨数据集协议中，宏平均mAP@50与mAP@50:95分别为75.6%与45.1%；在匹配目标域重训练协议下分别达83.3%与51.3%。该方法在七种受控图像扰动下保持最高mAP@50，并在RTX 4090上达77.1 FPS、在Jetson Orin Nano Super上达10.4 FPS。紧凑2.3M参数设计、复杂视觉条件下的可靠定位能力，以及对YOLOv13n 7.0个百分点精确率增益与跨平台吞吐表现，可支持工作站与边缘平台上的雨后快速筛查，辅助巡检与应急团队优先处置涉水路段并降低需人工核验的误检。

研究背景方面，路面积水（puddle）是暴雨、台风、城市内涝与排水失效情景下高频且监测不足的交通隐患。积水会改变轮胎-路面接触条件，诱发水滑（hydroplaning）、制动距离延长与操控失稳；同时浅积水还会遮挡标线、掩盖坑槽与 debris。将积水检测嵌入智能交通与自动驾驶感知系统时，核心难点在于：积水无稳定形状、纹理与颜色，随光照、视角、水深与反射呈暗斑、亮镜面、天空倒影或半透明沥青纹理等多模态外观，并与阴影、油渍、湿路面、标线高度混淆。既有方法分三类：语义分割类精度高但像素标注贵、计算重；通用轻量单阶段检测器速度快但缺乏对不规则几何与弱边界的适配；道路专用检测器常只单独处理低光照、形变或小目标。应急巡检受限于边缘算力、带宽与短时决策窗口，因此亟需一种兼顾精度、鲁棒与轻量的边框级定位器。

研究人员以YOLOv13n为基线，保留其HyperACE（Hypergraph Adaptive Correlation Enhancement，超图自适应相关性增强）与FullPAD（Full-Pipeline Aggregation-and-Distribution，全管道聚合-分发）机制，构建了面向积水的PuddleSIFNet。结论表明：在自建数据集上精确率、召回率、mAP@50与mAP@50:95均优于基线，参数量反而下降；在跨域与外部扰动下保持稳健，并可在工作站与边缘设备实时运行，对雨后巡检筛查与应急优先级排序具有实用价值。

关键技术方法上，研究人员编译并标注了3950张车载与地面级RGB道路图像（含中国、日本及公开资源Night-Puddle、Puddle-1000等），共8325个单类puddle边框，固定划分为2757训练、589验证、604测试。模型侧以SIF-Former替代原骨干：前三级用偏移窗口注意力（shifted-window attention），第四级用IdentityFormer式恒等令牌混合以降低高层计算；在Stage 4后插入MSDAttention，以9点可学习偏移实现内容依赖采样；颈部将DS-C3k2中的Bottleneck替换为FasterBlock（基于Partial Convolution部分卷积），形成DS-C3k2_FB高效多尺度融合；检测头与损失函数沿用YOLOv13n锚框无关配置。

研究结果按原文主体结构可归纳如下。

整体架构：研究人员将SIF-Former、MSDAttention与DS-C3k2_FB嵌入保留的HyperACE–FullPAD流水线，形成“表征–细化–融合”三段式轻量检测器，明确各模块职责而不破坏原信息流。

特征路由与HyperACE/FullPAD集成：SIF-Former输出四级特征F₁–F₄，MSDAttention细化F₄得Fˉ₄，HyperACE聚合F₂、F₃、Fˉ₄；FullPAD将增强特征分发至骨干-颈、颈内部与颈-头接口，证实新模块与原有机制互补而非冲突。

SIF-Former骨干：采用2–2–2–1紧凑层级，160×160至20×20分辨率递进，前三级窗口注意力建模局部与跨窗道路上下文，第四级恒等映射保留语义抽象并压低计算；消融显示该配置更利于区分积水与阴影类干扰。

MSDAttention细化：以3×3参考网格预测K=9个偏移采样点，双线性插值取特征，按头内Softmax加权聚合再残差回归；使高层特征跟随不规则边界、薄水膜与高光区，提高几何对齐。

DS-C3k2_FB颈部：FasterBlock仅对1/4通道做3×3部分卷积，其余通道恒等旁路，配合逐点卷积与残差；在DS-C3k2中复用，减少冗余空间计算同时保留弱对比与反射纹理。

检测头与训练目标：锚框无关解耦头输出4r回归对数与单类概率，损失为7.5·L_box（CIoU）+0.5·L_cls+1.5·L_dfl（Distribution Focal Loss），基线与各变体训练协议一致。

实验与结果：在固定划分上PuddleSIFNet达89.4%精确率、78.2%召回率、85.8% mAP@50、54.1% mAP@50:95，较YOLOv13n基线提升7.0/4.1/4.3/4.0个百分点，参数2.5M→2.3M；六外部集跨域宏平均mAP@50 75.6%、mAP@50:95 45.1%，目标域重训练后83.3%/51.3%；七类扰动下鲁棒性领先；RTX 4090达77.1 FPS，Jetson Orin Nano Super达10.4 FPS。

讨论与结论翻译：路面积水检测应被视为复杂近场光学感知下的鲁棒图像定位问题。PuddleSIFNet通过分层上下文表征、几何自适应高层细化与轻量多尺度融合的协同，在紧凑参数规模下同时提升精度、鲁棒性与部署效率。其意义在于：为巡检与应急系统提供可边缘部署的候选涉水区域筛分器，降低人工核验负担，支持雨后快速优先级排序与养护调度。未来可在更多气候、路面与传感器条件下验证泛化性，并将边框级线索与深度估计、排水设施状态及地图信息结合，迈向可解释的积水风险预警。

这篇评审解读已完成，接下来可以选择一个方向继续深化：

把论文改写成期刊审稿意见模板

提炼可复用的模型改进方法论

把论文改写成期刊审稿意见模板

提炼可复用的模型改进方法论