文档名：改进YOLOv5的沥青路面裂缝检测方法
摘要：针对YOLOv5在裂缝图像目标检测中未能考虑到裂缝图像背景复杂,检测目标较小导致检测效果不佳和易出现误检漏检的问题,提出了一种改进YOLOv5的沥青路面裂缝检测方法.该算法首先将轻量级Mobilenetv3的网络作为YOLOv5的特征提取骨干网络,以降低模型复杂度并加快推理速度.同时,在网络预测端引入高效通道注意力机制,提升网络局部特征捕获和融合能力.最后,通过一个嵌入Panet模块来强化裂缝图像的多尺度特征表达能力,提高对小目标的检测效果.实验结果表明,相比于原始YOLOv5算法,改进后的YOLOv5进行沥青路面裂缝检测的平均精度提高了5.6%,模型参数量降低了86.3%,图像检测时间减少了75.8%.
Abstract：AimprovedYOLOv5asphaltpavementcrackdetectionmethodisproposedtoaddressthei-ssuesofcomplexcrackimagebackgrounds,smalldetectiontargets,poordetectionperformance,andmisseddetectionsinYOLOv5crackdetection.Firstly,thelightweightMobilenetv3network,asthefea-tureextractionnetworkofYOLOv5,isusedtoreducethecomplexityofthemodelandspeedupreaso-ning.Secondly,anefficientchannelattentionmechanism(CBAM)isemployedtoenhancethenet-work'sabilitytocaptureandfuselocalfeatures.Finally,anembeddedPanetmoduleisusedtoen-hancethemulti-scalefeatureexpressionabilityofcrackimagesandimprovethedetectionperformanceofsmalltargets.TheexperimentalresultsshowthatcomparedtotheoriginalYOLOv5algorithm,theim-provedYOLOv5algorithmimprovesthemAPofasphaltpavementcrackdetectionby5.5%,reducesthenumberofmodelparametersby86.3%,andreducesimagedetectiontimeby75.8%.
作者：王莉静 孙泽然 李志猛 丰吉科Author：WANGLijing SUNZeran LIZhimeng FENGJike
作者单位：天津城建大学控制与机械工程学院,天津300384
刊名：河北工程大学学报（自然科学版） ISTIC
Journal：JournalofHebeiUniversityofEngineering(NaturalScienceEdition)
年，卷(期)：2024, 41(3)
分类号：U416
关键词：YOLOv5 目标检测 沥青路面 裂缝检测
Keywords：YOLOv5 objectdetection asphaltpavement crackdetection
机标分类号：TP391TP274TP183
在线出版日期：2024年7月4日
基金项目：天津市自然科学基金资助项目，天津城建大学研究生教育教学改革与研究项目改进YOLOv5的沥青路面裂缝检测方法[
期刊论文] 河北工程大学学报（自然科学版）--2024, 41(3)王莉静 孙泽然 李志猛 丰吉科针对YOLOv5在裂缝图像目标检测中未能考虑到裂缝图像背景复杂,检测目标较小导致检测效果不佳和易出现误检漏检的问题,提出了一种改进YOLOv5的沥青路面裂缝检测方法.该算法首先将轻量级Mobilenetv3的网络作为YOLOv5...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
改进YOLOv5的沥青路面裂缝检测方法 Asphalt Pavement Crack Detection Method Based on Improved YOLOv5
改进YOLOv5的沥青路面裂缝检测方法.pdf
- 文件大小:
- 11.27 MB
- 下载次数:
- 60
-
高速下载
|
