基于改进YOLO的双网络桥梁表观病害快速检测算法 | |
彭雨诺; 刘敏; 万智; 蒋文博; 何文轩; 王耀南 | |
刊名 | 自动化学报
![]() |
2022 | |
卷号 | 48期号:4页码:1018-1032 |
关键词 | 桥梁表观病害检测 深度卷积神经网络 空间金字塔模块 注意力机制 |
ISSN号 | 0254-4156 |
DOI | 10.16383/j.aas.c210807 |
英文摘要 | 桥梁表观病害检测是确保桥梁安全的关键步骤.然而,桥梁表观病害类型多样,不同病害间外观差异显著且病害之间可能发生重叠,现有算法无法实现快速且准确的桥梁多病害检测.针对这一问题,对YOLO (You only look once)进行了改进,提出了YOLO-lump和YOLO-crack以提高网络检测多病害的能力,进而形成基于双网络的桥梁表观病害快速检测算法.一方面, YOLO-lump在较大的滑动窗口图像上实现块状病害的检测.在YOLO-lump中,提出了混合空洞金字塔模块,其结合了混合空洞卷积与空间金字塔池化,用于提取稀疏表达的多尺度特征,同时可以避免空洞卷积造成的局部信息丢失;另一方面, YOLO-crack在较小的滑动窗口图像上实现裂缝病害的检测.在YOLO-crack中,提出了下采样注意力模块,利用1×1卷积和3×3分组卷积分别解耦特征的通道相关性和空间相关性,可以增强裂缝在下采样阶段的前景响应,减少空间信息的损失.实验结果表明,该算法能够提高桥梁表观病害检测的精度,同时可实现病害的实时检测. |
内容类型 | 期刊论文 |
源URL | [http://ir.ia.ac.cn/handle/173211/56370] ![]() |
专题 | 自动化研究所_学术期刊_自动化学报 |
推荐引用方式 GB/T 7714 | 彭雨诺,刘敏,万智,等. 基于改进YOLO的双网络桥梁表观病害快速检测算法[J]. 自动化学报,2022,48(4):1018-1032. |
APA | 彭雨诺,刘敏,万智,蒋文博,何文轩,&王耀南.(2022).基于改进YOLO的双网络桥梁表观病害快速检测算法.自动化学报,48(4),1018-1032. |
MLA | 彭雨诺,et al."基于改进YOLO的双网络桥梁表观病害快速检测算法".自动化学报 48.4(2022):1018-1032. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论