桥梁作为典型且重要的地面目标,是交通运输线路的咽喉,对桥梁进行自动检测具有十分重要的社会和经济意义。深度学习已成为桥梁检测新方式,但对云雾遮挡的桥梁检测精度较低。针对该问题,提出了一种结合随机擦除(random erase,RE)数据增强...桥梁作为典型且重要的地面目标,是交通运输线路的咽喉,对桥梁进行自动检测具有十分重要的社会和经济意义。深度学习已成为桥梁检测新方式,但对云雾遮挡的桥梁检测精度较低。针对该问题,提出了一种结合随机擦除(random erase,RE)数据增强和YOLOv4模型的桥梁目标自动检测方法,首先统计数据集中目标的尺度范围,利用k-means聚类获得锚框尺寸;然后通过RE与Mosaic数据增强相结合的方法模拟云雾遮挡的情况;接着采用YOLOv4网络对经增强后的数据集进行训练;最后采用平均精度(mean average precision,mAP)评估实验结果。实验结果表明,提出方法的mAP为97.06%,比YOLOv4提高了2.99%,其中被云雾遮挡的桥梁平均检测准确度提高了12%,验证了提出方法的有效性及实用性。展开更多
文摘桥梁作为典型且重要的地面目标,是交通运输线路的咽喉,对桥梁进行自动检测具有十分重要的社会和经济意义。深度学习已成为桥梁检测新方式,但对云雾遮挡的桥梁检测精度较低。针对该问题,提出了一种结合随机擦除(random erase,RE)数据增强和YOLOv4模型的桥梁目标自动检测方法,首先统计数据集中目标的尺度范围,利用k-means聚类获得锚框尺寸;然后通过RE与Mosaic数据增强相结合的方法模拟云雾遮挡的情况;接着采用YOLOv4网络对经增强后的数据集进行训练;最后采用平均精度(mean average precision,mAP)评估实验结果。实验结果表明,提出方法的mAP为97.06%,比YOLOv4提高了2.99%,其中被云雾遮挡的桥梁平均检测准确度提高了12%,验证了提出方法的有效性及实用性。