融合CBAMYOLOv7 模型的路面缺陷智能检测方法研究

文档名：融合CBAMYOLOv7 模型的路面缺陷智能检测方法研究
摘要：针对目前路面缺陷检测精度不高的问题,基于目前综合性能较强的YOLOv7模型进行改进,提出了融合卷积注意力模块的CBAM-YOLOv7模型.该模型通过重参数化、高效聚合、辅助训练等模块来加快模型的收敛过程,还通过融合卷积注意力机制来提升模型的检测精度.面向路面缺陷多分类问题,在公开数据集上分别使用FasterR-CNN、YOLOv6、YOLOv7、CBAM-YOLOv7模型进行实验验证分析,利用mAP值、F1值、FPS值作为模型的精度与效率评价指标.实验结果显示:融合CBAM-YOLOv7的路面缺陷检测结果的mAP值和F1值分别能达到83.75%和67.8%,FPS值能达到51.22Hz,相较于其他模型均有明显提高.

作者：张艳君  沈平  郭安辉  高博Author：ZHANGYanjun  SHENPing  GUOAnhui  GAOBo
作者单位：中交第二公路勘察设计研究院有限公司,武汉430056
刊名：重庆理工大学学报 PKU
Journal：JournalofChongqingInstituteofTechnology
年，卷(期)：2023, 37(21)
分类号：TP391.4
关键词：路面缺陷检测  卷积神经网络  YOLOv7模型  CBAM-YOLOv7模型  
Keywords：pavementdefectdetection  convolutionneuralnetwork  YOLOv7  CBAM-YOLOv7  
机标分类号：TP393.09TP23TH137.52
在线出版日期：2023年12月18日
基金项目：湖北省交通运输厅科技项目，湖北省安全生产专项资金科技项目融合CBAM-YOLOv7模型的路面缺陷智能检测方法研究[
期刊论文]  重庆理工大学学报--2023, 37(21)张艳君  沈平  郭安辉  高博针对目前路面缺陷检测精度不高的问题,基于目前综合性能较强的YOLOv7模型进行改进,提出了融合卷积注意力模块的CBAM-YOLOv7模型.该模型通过重参数化、高效聚合、辅助训练等模块来加快模型的收敛过程,还通过融合卷积注意...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文

        融合CBAM-YOLOv7 模型的路面缺陷智能检测方法研究  Research on intelligent detection method of pavement defects incorporating CBAM-YOLOv7 model

融合CBAM-YOLOv7 模型的路面缺陷智能检测方法研究.pdf

2024-12-14 03:20 上传 融合CBAMYOLOv7 模型的路面缺陷智能检测方法研究.pdf

文件大小:

6.53 MB

下载次数:

60

高速下载