《Sensors》：Rydberg-Atom-Based Angle-of-Arrival Estimation Method for Ku-Band Microwave Signals
编辑推荐：
智能手机采集的道路裂缝图像存在分辨率低、光照不均及复杂背景干扰等问题，且移动设备资源有限难以满足实时高精度分割需求。研究人员提出一种两阶段框架，将高精度双路径教师模型与经知识蒸馏的轻量学生模型结合。教师模型集成CNN-KAN（卷积神经网络-科尔莫哥洛夫-阿诺德
智能手机采集的道路裂缝图像存在分辨率低、光照不均及复杂背景干扰等问题，且移动设备资源有限难以满足实时高精度分割需求。研究人员提出一种两阶段框架，将高精度双路径教师模型与经知识蒸馏的轻量学生模型结合。教师模型集成CNN-KAN（卷积神经网络-科尔莫哥洛夫-阿诺德网络）路径提取局部纹理，与VMamba（视觉曼巴）路径以线性复杂度建模全局上下文，并通过专用KAN融合模块学习两路特征流间的自适应非线性映射。在公开裂缝数据集上教师模型mIoU达0.8087、mDice达0.9028；迁移至自构建的30fps连续视频智能手机数据集后mIoU为0.7084，对光照与模糊具强鲁棒性。基于GAN的超分辨率策略进一步使mIoU提升4.01%。研究人员采用ConvLSTM（卷积长短期记忆）结构化知识蒸馏将教师压缩为轻量MobileViT学生模型，参数量由57.80M降至1.57M，GPU推理时间由99.56ms降至1.46ms，mIoU保留0.7078，在安卓手机上以15–20fps运行。消融实验确认ConvLSTM时序蒸馏贡献超越标准蒸馏。该框架为智能手机端实时道路裂缝监测提供实用方案。
研究背景与动机
随着城市基础设施老化加速，道路裂缝检测成为交通安全与路面养护的关键任务。传统人工巡检效率低、成本高且难标准化；基于声发射与振动传感的深度学习方案需专用仪器，不适合大规模低成本监测。智能手机配备高清摄像头与GPS，为众包低成本的路面监测提供契机，但实采图像面临分辨率低、光照不均、运动模糊与背景复杂等挑战，且现有实验室导向方法难以直接迁移。与此同时，CNN受限于局部感受野，难以刻画裂缝长距离连续性；Transformer虽具全局建模能力，但计算复杂度随分辨率呈二次增长，无法直接部署于移动端；现代视觉模型动辄数十至数百兆参数，与手机硬件间存在巨大鸿沟。近期KAN（Kolmogorov–Arnold Networks，科尔莫哥洛夫-阿诺德网络）以可学习单变量非线性函数替代固定激活，VMamba以选择性状态空间模型实现线性复杂度全局建模，二者互补但未曾联合融合，亦未解决视频时序连续性与手机端压缩问题。为此，研究人员提出两阶段框架，兼顾高精度教师模型与可部署轻量学生模型。
主要关键技术方法
研究人员构建双路径编码器-解码器教师模型：CNN-KAN路径嵌入KAN层替代ReLU等固定激活以提取局部纹理，VMamba路径通过二维选择性扫描（SS2D）以线性复杂度O(N)建模全局上下文，两者在各级编码器经KAN融合模块做非线性对齐。训练数据来自四组公开数据集（Crack500、DeepCrack、CFD、CrackTree，共12887张统一resize至固定尺寸）与自采西安沥青路面数据集——iPhone 14 Pro Max以吸盘固定于前挡风、距地约1.5m、俯角25°、车速约30km/h录30fps视频，按GPS轨迹抽1769关键帧并由五人标注两人复核达成共识，按路段划分避免邻近帧泄漏。增强侧采用动态加权的GAN图像增强、CycleGAN风格迁移与超分辨率重建三种训练期策略；压缩侧以ConvLSTM对“关键帧+前后邻帧”三帧片段建模裂缝时序连续性，从教师KAN融合模块浅中深三层提取软标签，联合任务损失与特征/响应/时序蒸馏损失训练MobileViT学生。部署经ncnn框架落地的三星Galaxy S21（骁龙888）实测。
研究结果
4.1 公开数据集评估：教师模型在四库合并集mIoU 0.8087、mDice 0.9028，较DefNet高6.1%，较SKPNet高6.3%，较MambaCrackNet高8.3%，FLOPs较TransUNet少51%。
4.2 智能手机集迁移：渐进解冻微调后教师mIoU 0.7084（较公开集降12.4%），优于所有基线，CNN类DeepLabV3暴跌65.4%，证实双路径域适应力强。
4.3 消融实验：仅VMamba编码mIoU公集0.6788/手集0.5827；仅CNN-KAN为0.7690/0.6383；简单拼接0.7726/0.6642；全架构达0.8087/0.7084，证KAN融合优于线性拼接。
4.4 鲁棒性评估：大气模糊影响最小，中值/盒状模糊致边缘退化最剧；双路径互补偿优于单路径TransUNet；光照上对欠曝较过曝敏感。
4.5 GAN优化：超分辨率mIoU提升至0.7368（+4.01%）居首，CycleGAN风格迁移+3.18%，GAN增强+1.57%。
4.6 轻量蒸馏部署：无蒸馏MobileViT mIoU 0.6021；标准蒸馏0.6785；加ConvLSTM时序蒸馏0.7078。五学生架构中MobileViT最接近教师（0.7078 vs 0.7084），参57.80M→1.57M，尺寸220.65MB→6.01MB，RTX4090推理99.56ms→1.46ms；Galaxy S21端ncnn跑15–20fps（约50–67ms/帧）。
讨论与结论翻译
讨论指出，双路径设计令CNN-KAN与VMamba在模糊与光照扰动下互补补偿，超分辨率因恢复高频细节对低分辨手机图最关键，ConvLSTM时序蒸馏利用视频邻帧重叠区域传递软标签，其增益非来自额外教师推理而是时序聚合。结论部分：（1）CNN-KAN+VMamba+KAN融合教师公集mIoU 0.8087/mDice 0.9028，手机集迁移0.7084，消融证融合模块胜拼接；（2）教师对模糊光照鲁棒，超分辨率+4.01% mIoU；（3）ConvLSTM蒸馏至MobileViT参1.57M、GPU时延1.46ms、手机15–20fps、mIoU 0.7078，同源划分下超越最强基线DefNet，证“域适应教师蒸馏”优于小数据从头训。该研究发表于《Sensors》，为智能手机辅助交通基础设施监测提供可扩展实用路径。
