典型文献
基于深度学习的桥梁裂缝定位算法研究
文献摘要：
桥梁裂缝具有连续性和不具备个体完整性的特点,将会导致目标检测过程出现大量检测框重叠,造成过检.该算法基于YOLOv4目标检测算法框架,对YOLOv4网络的检测头进行分支改进,输出特征预测热力图,使检测结果具有更好的回归和判断能力;使用热力图辅助网络进行训练,引入Dice系数(Dice coefficient)损失对YOLOv4损失函数进行重新定义,有效的改善了过检问题.研究还发现,在数据集训练过程中使用随机裁剪联合马赛克数据增强策略,提高了网络模型在实际检测场景中的泛化能力.实验结果表明,在相同的迭代次数和数据集下,改进的YOLOv4网络相比于未改进的YOLOv4网络检测精度和速度均有了明显的提升.
文献关键词：
深度学习;目标检测;热力图;桥梁裂缝;YOLOv4
中图分类号：
作者姓名：
廖延娜;宋超
作者机构：
西安邮电大学电子工程学院 西安710121
文献出处：
引用格式：
[1]廖延娜;宋超-.基于深度学习的桥梁裂缝定位算法研究)[J].国外电子测量技术,2022(04):112-118
A类：
B类：
桥梁裂缝,裂缝定位,定位算法,算法研究,检测过程,YOLOv4,目标检测算法,检测算法框架,检测头,特征预测,热力图,判断能力,Dice,coefficient,损失函数,重新定义,集训,训练过程,随机裁剪,马赛克数据增强,数据增强策略,泛化能力,迭代次数,未改,网络检测,检测精度
AB值：
0.399556
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
