基于改进YOLOv5模型的高速道路裂缝检测研究OA
Research on Expressway Crack Detection Based on Improved YOLOv5 Model
为解决当前高速道路裂缝的错检、漏检、精度低等问题,提出一种基于YOLOv5改进的道路裂缝识别模型.首先,通过在骨干网络中添加注意力模块(CBAM)提升算法的特征提取能力;然后,修改网络特征融合方式,采用加权双向特征金字塔(BiFPN)替换特征金字塔(FPN)+像素聚合网络(PAN)结构以加强特征融合.最后,在加权双向特征金字塔尾部与检测层头部添加注意力机制,以提升网络的表达能力.实验结果表明,改进模型相较于传统YOLOv5模型在…查看全部>>
闫卫坡;王志斌;任祖跃;来程轩;胡锦程;张子雄
北京市首都公路发展集团有限公司公路资产管理分公司,北京 101116北京市首都公路发展集团有限公司公路资产管理分公司,北京 101116中央民族大学 信息工程学院,北京 100086北京市首都公路发展集团有限公司公路资产管理分公司,北京 101116北京市首都公路发展集团有限公司公路资产管理分公司,北京 101116北京市首都公路发展集团有限公司公路资产管理分公司,北京 101116
计算机与自动化
道路病害YOLOv5CBAM注意力机制特征融合加权双向特征金字塔
road diseaseYOLOv5CBAM attention mechanismfeature fusionBiFPN
《软件导刊》 2023 (10)
191-197,7
评论