-
基于深度学习的道路表面裂缝检测研究
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。
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。
