摘要
道路裂缝检测问题因为受到路况,天气等复杂因素的影响使得基于图像处理的方案在识别上遇到了一些困难,但是随着深度学习的发展,在大量的图像特征中成功定位和分类裂缝已非难事,而且还能在大型的神经网络中融入图像处理算法进一步提升准确率,利用性能不断迭代的目标检测算法实现道路裂缝检测嵌入式部署将是未来的方向。文章介绍了目标检测算法PPYOLOE的结构特点,通过PPYOLOE,YOLOX,YOLOv5,YOLOv4对道路裂缝数据集进行训练,验证了不同模型的性能,提出了一种PPYOLOE的tiny模型,比其他模型的map高出大约3%,同时通过更换激活函数,使PPYOLOE的mAP提升了1.2%左右。
