期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于改进YOLOv5的沥青路面裂缝检测方法
1
作者 杜磊 陈曦 +3 位作者 白朋朋 张溪轩 尹超 唐港庭 《科学技术与工程》 北大核心 2024年第31期13579-13591,共13页
针对目前沥青路面裂缝目标检测技术在面对复杂路面情况(强光、积水、杂物等干扰因素)时识别精度较低的问题,通过构建沥青路面裂缝数据集,提出了一种基于改进YOLOv5s的沥青路面裂缝检测算法。首先,根据沥青路面裂缝数据集特点,对YOLOv5s... 针对目前沥青路面裂缝目标检测技术在面对复杂路面情况(强光、积水、杂物等干扰因素)时识别精度较低的问题,通过构建沥青路面裂缝数据集,提出了一种基于改进YOLOv5s的沥青路面裂缝检测算法。首先,根据沥青路面裂缝数据集特点,对YOLOv5s原模型进行了以下改进:使用K-means++算法重新聚类裂缝数据集锚框,获得适合沥青路面裂缝特点的初始锚框;在模型的Prediction部分添加CBAM(convolutional block attention module)注意力模块,提高模型对于细小裂缝的检测能力;采用CIoU_Loss函数作为模型回归损失函数,提高锚框定位精度。其次,对YOLOv5s改进模型进行消融实验,证明了各项改进方案均能够提升模型检测能力,且互不冲突。最后,将YOLOv5s改进模型与各类经典目标检测模型分别在本文数据集、CFD数据集、Crack500数据集以及Crack200数据集上进行对比实验,实验结果表明,YOLOv5s改进模型在各个数据集上的检测效果均优于其他目标检测模型,并且该模型在本文数据集上的mAP@0.5以及mAP@[0.5:0.95]分别为90.58%、56.08%,远高于其他目标检测模型,表明YOLOv5s改进模型在面对复杂路面情况时检测效果较好,可为沥青路面裂缝自动化检测提供理论依据。 展开更多
关键词 裂缝检测 YOLOv5 锚框 注意力模块 损失函数
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部