大连理工大学学报

作者：龚芳媛,方冰杰,程雪佼,王清华

关键词：YOLOv5目标检测路面裂缝SwinTransformer注意力机制

基金：国家自然科学基金资助项目(52008154)；河北省自然科学基金资助项目(E2021202074).

针对使用YOLOv5模型检测路面裂缝未能充分考虑裂缝尺度差异大、目标小的特性以及与背景不易区分等因素导致检测精度低的问题，提出了一种基于改进YOLOv5的路面裂缝检测算法．首先，引入SwinTransformer模块到YOLOv5模型中，提升网络全局特征提取能力．其次，在主干网后增加膨胀卷积模块，旨在特征融合前提取主干网全局特征信息．最后，通过加入注意力机制模块来增强模型对检测目标的关注力并削弱背景干扰因素的影响．实验结果表明，改进YOLOv5模型在路面裂缝数据集中检测精度有较大提升，相比原模型平均精度均值提升了3.4个百分点，其中龟裂精度提升最明显，且检测裂缝的平均精度均值高于其他典型的一阶段目标检测算法，证明了改进YOLOv5模型的有效性．

来源：2024年第3期

《大连理工大学学报》期刊编辑部

查看大连理工大学学报杂志2024年第3期