摘要
针对道路缺陷识别中识别准确度低,容易出现漏检情况等问题,提出了一种改进YOLOv5网络的图像识别算法用于道路缺陷识别。首先,在YOLOv5网络的颈部网络中引入集中注意力机制(CBAM)与原有的CSP结构结合,提高对道路缺陷特征的关注能力。然后,在特征融合层引入自适应特征融合机制(ASFF),改善主干网络的特征提取能力,提升算法检测精度。最后,道路缺陷识别消融实验和对比实验表明,使用改进后的YOLOv5s算法的平均准确率达到77.2%,相较于原YOLOv5s算法提高2.3%,召回率达到74.9%,提高2.5%,其他各项指标均有提升,验证了改进方法的有效性。
作者
蒋大伟
吴正平
景思伟
JIANG Dawei;WU Zhengping;JING Siwei
出处
《信息技术与信息化》
2024年第2期31-34,共4页
Information Technology and Informatization
