基于深度学习的道路表面裂缝检测研究OA
针对目前道路表面裂缝缺陷检测方法普遍存在识别率低、实时性差以及多尺度特征下检测效果不好等问题,提出一种改进的YOLOv5s算法模型.该算法引入SimAM三维带权注意力机制且不引入额外参数,在模型中融入加权双向特征金字塔进行多尺度特征融合;同时改进预测框损失函数,使得损失函数收敛更快.经过对比实验,改进后模型的裂缝检测均值平均精度提高了2.2%,准确率为90.5%,表明了模型的有效性.
李续稳;张青哲
长安大学机械学院,陕西西安 710061长安大学机械学院,陕西西安 710061
计算机与自动化
深度学习道路裂缝检测YOLOv5s多尺度融合注意力机制
《机电信息》 2023 (17)
27-31,5
陕西省自然科学基金(2018JM5049)
评论