基于改进YOLOv5s的道路坑洼检测算法

作     者：白芮 徐杨 王彬 张雯雯 BAI Rui;XU Yang;WANG Bin;ZHANG Wen-wen

作者机构：贵州大学大数据与信息工程学院贵州贵阳550025 贵阳铝美设计研究院有限公司贵州贵阳550025 

基　　金：贵州省科技计划项目(黔科合支撑一般176) 

出 版 物：《计算机与现代化》 (Computer and Modernization)

年 卷 期：2023年第6期

页      码：69-75页

摘      要：针对现有目标检测算法难以对道路坑洼进行精准检测、检测速度慢等问题,提出一种基于改进YOLOv5s的道路坑洼检测算法。首先在YOLOv5s主干网络中融入坐标注意力(Coordinate Attention,CA)模块,使模型不仅捕获跨通道信息,还捕获方向和位置敏感信息,有助于模型更准确地定位和识别检测对象;然后在空间金字塔池化(Spatial Pyramid Pool,SPP)模块中采用软池化SoftPool改进最大池化操作,保留更详细的特征信息;在特征融合阶段,使用基于内容的功能重组(Content-Aware ReAssembly of Features,CARAFE)对多尺度特征融合中上采样进行改进,动态生成自适应内核,可以在一个大的感受野内聚集上下文信息;最后,使用Alpha-IoU对损失函数进行改进,提高边框回归精度。实验结果表明,改进的YOLOv5s算法在平均精度上较原始网络提高了4.6个百分点,与其他主流算法SSD、Faster R-CNN、YO⁃LOv3、YOLOv3-tiny、YOLOv4-tiny相比检测精度有较大提升。

主 题 词：深度学习 坑洼检测 坐标注意力 最大池化 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1006-2475.2023.06.012

馆 藏 号：203122400...