针对现有算法检测含光影斑驳、车道线等复杂背景下路面裂缝图像效果不佳的问题,提出一种基于YOLOv5的裂缝检测改进算法YOLOv5-CG。首先,添加坐标注意力(coordinate attention,CA)模块,将背景噪声隐化,从而使模型针对性地聚焦于有用特征...针对现有算法检测含光影斑驳、车道线等复杂背景下路面裂缝图像效果不佳的问题,提出一种基于YOLOv5的裂缝检测改进算法YOLOv5-CG。首先,添加坐标注意力(coordinate attention,CA)模块,将背景噪声隐化,从而使模型针对性地聚焦于有用特征;其次,将原网络中的Conv模块替换为GhostConv,降低网络的复杂度;最后,建立包含多种背景噪声、视域开阔的路面裂缝病害数据集,解决开源裂缝数据集背景较简单的问题。在自建数据集上进行实验,结果表明:YOLOv5-CG的平均精度均值(mean average precision,mAP)相比原算法提升了3.07%,参数量下降了16.95%,且检测精度与速度均优于其他主流目标检测算法。展开更多
文摘针对现有算法检测含光影斑驳、车道线等复杂背景下路面裂缝图像效果不佳的问题,提出一种基于YOLOv5的裂缝检测改进算法YOLOv5-CG。首先,添加坐标注意力(coordinate attention,CA)模块,将背景噪声隐化,从而使模型针对性地聚焦于有用特征;其次,将原网络中的Conv模块替换为GhostConv,降低网络的复杂度;最后,建立包含多种背景噪声、视域开阔的路面裂缝病害数据集,解决开源裂缝数据集背景较简单的问题。在自建数据集上进行实验,结果表明:YOLOv5-CG的平均精度均值(mean average precision,mAP)相比原算法提升了3.07%,参数量下降了16.95%,且检测精度与速度均优于其他主流目标检测算法。