基于深度学习的道路损坏检测算法研究

摘要

针对道路损伤检测中存在的小目标检测难、图像背景复杂、易漏检、误检等问题,提出了一种改进YOLOv5s的道路损伤检测算法。首先在主干网络中添加轻量级的注意力模块,使得网络模型更为关注检测目标中的重要信息;其次改进颈部网络中的特征融合机制,提高对重要特征的使用,在网络深处使用gsconv模块来替换模型原有的卷积模块,减少网络的参数量,达到提升模型检测速度的目的;最后使用SIOU作为损失函数来提高模型检测的稳定性。实验结果显示,改进网络在参数量为原模型89%的同时,其精准率、召回率,以及精度相较于原始网络模型分别提升了6.8%、2%、1.6%,证明了所改进方法可有效地提高道路损伤检测的准确性和效率。

关键词

深度学习 / 目标检测 / 注意力机制 / 道路损伤 / 特征融合