基于改进Cascade R-CNN算法的道路表面缺陷检测

作为最基础的交通基础设施之一,道路对交通运输以及城市发展有着不可替代的作用。道路表面缺陷是道路状态的真实反映,准确地进行道路缺陷检测对道路状态检测和维护具有重要意义。道路缺陷分布具有不确定性,现阶段采用的人工检测方法存在检测效率低、检测周期长等缺点。针对目前道路表面缺陷检测中存在的问题,提出一种改进的Cascade R-CNN道路缺陷检测算法,引入了递归特征金字塔结构,使融合特征获得更多的语义信息细节,更利于小目标检测;选用ResNet50作为主干网络并进行改进,使其能够接受来自递归特征金字塔的特征输入。实验结果表明,改进后的算法在测试数据集上的表现优于Faster R-CNN、Grid R-CNN,检测精度和小目标检测能力均得到了提升。