10.11835/j.issn.1000-582X.2021.107
改进YOLOv3的桥梁表观病害检测识别
针对基于目标检测方法的桥梁表观病害检测存在检测精度低、误检率和漏检率高的问题,提出一种改进YOLOv3的高准确率桥梁表观病害检测识别方法.为实现局部特征和全局特征有效融合,在YOLOv3的检测层中添加固定分块大小的池化模块,并在YOLOv3的特征提取网络中引入了DenseNet密集型连接网络结构以增强桥梁病害特征在网络中的传播和利用效率,提高检测效率,采用数据增强技术来扩充样本图像以解决现有桥梁病害数据集样本数量不足的问题.实验结果表明,改进后的YOLOv3在桥梁表观病害检测上的平均准确率比原YOLOv3提高了3.0%,且模型训练时间减少了33.2%,同时降低了对桥梁表观病害检测的误检率和漏检率.
目标检测、改进YOLOv3、数据增强、平均准确率
45
TP391.41(计算技术、计算机技术)
国家自然科学基金;重庆市科技创新领军人才支持计划项目
2022-06-29(万方平台首次上网日期,不代表论文的发表时间)
共10页
121-130