基于深度学习的道路表面裂缝检测研究

摘要：

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.

关键词：深度学习、道路裂缝检测、YOLOv5s、多尺度融合、注意力机制

分类号：TP391.41(计算技术、计算机技术)

资助基金：陕西省自然科学基金2018JM5049

在线出版日期：2023-09-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：27-31