典型文献
基于改进YOLO的双网络桥梁表观病害快速检测算法
文献摘要：
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1x1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.
文献关键词：
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
中图分类号：
作者姓名：
彭雨诺;刘敏;万智;蒋文博;何文轩;王耀南
作者机构：
湖南大学电气与信息工程学院 长沙410082;湖南大学机器人视觉感知与控制技术国家工程研究中心 长沙410082;湖南桥康智能科技有限公司 长沙410021
文献出处：
引用格式：
[1]彭雨诺;刘敏;万智;蒋文博;何文轩;王耀南-.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(04):1018-1032
A类：
B类：
YOLO,双网络,快速检测,检测算法,桥梁表观病害检测,桥梁安全,关键步骤,病害类型,多病,You,only,look,once,lump,crack,网络检测,滑动窗口,块状,空洞金字塔,混合空洞卷积,空间金字塔池化,稀疏表达,多尺度特征,局部信息,信息丢失,裂缝病害,下采样,注意力模块,1x1,分组卷积,解耦特征,空间相关性,空间信息,高桥,实时检测,深度卷积神经网络,空间金字塔模块,注意力机制
AB值：
0.322386
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
