典型文献
改进YOLO v5的建筑物破损检测算法研究
文献摘要：
针对目前神经网络检测震害建筑物速度慢的问题,提出了一种轻量级YOLO v5检测算法.首先使用轻量化模块组合ShuffleNetv2与stemblock作为主干检测网络,其通过降低网络参数,提高网络运行速度,进而加快对震害建筑物破损的检测;其次考虑到YOLO v5自身的交并比函数存在模型检测度不高的问题,引入注意力机制(coordinated attention,CA)对建筑物特征进行提取,并使用LogSoftmax与NLLLoss的混合函数作为新的边界框回归损失函数.在建筑物震害数据集上实验表明,与其他主流目标检测算法相比该算法具有更好的检测效果与更快运行速率,其检测准确率提升了 20％,召回率提升了 10％.
文献关键词：
建筑物破损检测;YOLO v5;轻量级网络;注意力机制;损失函数
中图分类号：
作者姓名：
史梦圆;高俊钗
作者机构：
西安工业大学电子信息工程学院 西安710021
文献出处：
引用格式：
[1]史梦圆;高俊钗-.改进YOLO v5的建筑物破损检测算法研究)[J].国外电子测量技术,2022(08):84-90
A类：
建筑物破损检测,stemblock,LogSoftmax,NLLLoss
B类：
YOLO,v5,算法研究,神经网络检测,测震,速度慢,轻量化模块,模块组合,ShuffleNetv2,测网,网络参数,运行速度,交并比,模型检测,注意力机制,coordinated,attention,CA,边界框回归损失函数,建筑物震害,目标检测算法,检测效果,快运,检测准确率,准确率提升,召回率,轻量级网络
AB值：
0.329628
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。
