基于改进YOLOv5s的路面损伤检测 |
| |
引用本文: | 王梦梦,黄德启,刘爽娜.基于改进YOLOv5s的路面损伤检测[J].四川激光,2023(5):66-71. |
| |
作者姓名: | 王梦梦 黄德启 刘爽娜 |
| |
作者单位: | 新疆大学电气工程学院 |
| |
基金项目: | 国家自然科学基金项目(No.51468062); |
| |
摘 要: | 路面损伤检测是支持基础设施检测的重要任务,及时、准确、自动地检测路面损伤,对于经济有效的道路养护是必要的。针对道路检测中存在漏检问题,提出一种改进的YOLOv5s的道路检测算法。首先,用CBAM注意力机制模块替换主干网络中C3模块,在关注通道特征的同时关注位置信息,加强网络对重要信息的提取能力;其次用EIoU替换GIoU损失函数,解决了GIoU误差大的同时提高了收敛速度和回归精度;最后,为使细微损伤得到有效检测,在原始网络中增加极小目标的检测的输出,使三输出变成四输出,提高模型识别率。从精度和召回率的结果可知,改进后的YOLOv5s算法平均检测精度为96.9%,相较于原YOLOv5s算法提高了7.6%。能够有效检测出道路路面损伤,且其准确率优于其他的道路检测算法。
|
关 键 词: | 深度学习 路面检测 YOLOv5s CBAM 损失函数 |
|
|