引入Ghost模块和ECA的YOLOv4公路路面裂缝检测方法 |
| |
作者姓名: | 郝巨鸣 杨景玉 韩淑梅 王阳萍 |
| |
作者单位: | 1. 甘肃省智慧交通重点实验室;2. 兰州交通大学电子与信息工程学院 |
| |
基金项目: | 国家自然科学基金资助项目(61763025);;甘肃省科技计划项目(21YF5GA158);;兰州市科技计划项目(2019-4-49,2020-1-7); |
| |
摘 要: | 针对目前公路路面裂缝种类和尺度多样导致路面病害检测困难的问题,提出一种基于GhostNet的轻量化无人机图像裂缝检测方法检测不同种类路面裂缝。首先,引入轻量级GhostNet中的Ghost模块优化YOLOv4主干特征提取网络,得到轻量化模型YOLOv4-Light,以降低模型复杂度,并提高裂缝检测速度;然后,在模型预测输出端融合高效通道注意力(ECA)机制,从而进一步增强裂缝特征提取能力,提高裂缝检测精度。仿真实验结果表明,所提方法与现有的YOLOv4相比,模型大小降低了82.31%,模型参数量减少了82.56%,并提高了裂缝检测效率,能够满足公路运输过程中出现的不同类型的裂缝检测需求。
|
关 键 词: | 裂缝检测 轻量化 GhostNet YOLOv4 注意力机制 |
|