La segmentación automática de filtraciones en revestimientos de túneles ferroviarios es una tarea útil y desafiante. A diferencia de otros escenarios, el entorno complejo dentro de los túneles dificulta la obtención de resultados precisos para la segmentación de filtraciones. Algunos métodos basados en aprendizaje profundo se han utilizado para segmentar automáticamente las filtraciones en túneles, pero estos métodos ignoran las interdependencias entre los canales de características, que son muy importantes para extraer representaciones robustas de características de filtraciones. En este trabajo, proponemos una red de atención piramidal de canal atrous (ACPA-Net) para la segmentación de filtraciones en revestimientos de túneles ferroviarios. En ACPA-Net, se añade el módulo de atención piramidal de canal atrous propuesto (ACPA) a una red de segmentación en forma de U. El módulo ACPA puede fortalecer efectivamente la capacidad de representación de ACPA-Net al modelar explícitamente las dependencias entre los canales de características. Además, se ha introducido una estrategia de supervisión profunda que ayuda a ACPA-Net a mejorar su capacidad de discriminación. Se construye un conjunto de datos de imágenes de filtraciones en túneles ferroviarios que consta de 1370 imágenes con mapas de anotación manual para verificar la efectividad de ACPA-Net. El experimento final muestra que ACPA-Net logra un rendimiento de vanguardia en el conjunto de datos Crack500 y en nuestro conjunto de datos de imágenes de filtraciones en túneles ferroviarios, y nuestro método tiene el menor número de parámetros de todos los métodos.