本研究提出了多样化道路损伤数据集（DRDD）和新模型RDD4D，通过优化特征的Attention4D模块，显著提升了大规模道路裂缝检测的平均精度至0.458，对基础设施维护具有重要影响。

本文提出多种基于深度学习的检测模型，涵盖铁路组件、个人防护装备和道路损伤等领域。这些模型结合了卷积神经网络和注意力机制，在准确性和鲁棒性上表现优异，推动了自动化损坏检测系统的发展，提升了建筑行业的安全合规性。

本研究利用生成对抗网络和纹理合成技术检测道路损伤，提高了 mAP 和 F1-score。