典型文献
基于改进YOLOv3的桥梁底部裂缝目标检测方法
文献摘要：
为实现桥梁裂缝的快速、准确定位,考虑光照变化、污渍阴影等干扰因素的影响,提出一种结合桥梁检测机和改进单阶段目标检测(you only look once version 3,YOLOv3)算法的桥梁裂缝检测方法.首先,在预处理阶段,采用改进自适应Mask匀光算法对数据集进行处理,矫正阴影和光照不均等问题,提高算法环境适应能力;其次,在目标检测阶段,针对桥梁裂缝的特点,对数据集使用k-means++算法聚类先验框以适应裂缝的不同尺寸,采用广义交并比对YOLOv3损失函数进行改进以提高定位精度;最后,采用迁移学习对YOLOv3进行训练.实验结果表明,在迭代140个epoch后,检测速度可达到31帧/s,平均精度(average precision,AP)达到94.88％,相比于采用原始数据集的原始YOLOv3网络AP值提高了13.16％,能够满足实时性和高精度的检测要求.
文献关键词：
计算机技术应用;桥梁裂缝;目标检测;Mask匀光算法;k-means++聚类;广义交并比
中图分类号：
作者姓名：
杨富强;余波;赵嘉彬;闫涛;唐伟
作者机构：
西安科技大学理学院,西安710054;西安科技大学机械工程学院,西安 710054
文献出处：
引用格式：
[1]杨富强;余波;赵嘉彬;闫涛;唐伟-.基于改进YOLOv3的桥梁底部裂缝目标检测方法)[J].中国科技论文,2022(03):252-259
A类：
B类：
YOLOv3,目标检测方法,准确定位,污渍,阴影,干扰因素,桥梁检测,检测机,单阶段目标检测,you,only,look,once,version,桥梁裂缝检测,Mask,匀光,光照不均,环境适应,means++,先验框,不同尺寸,广义交并比,损失函数,定位精度,迁移学习,epoch,检测速度,average,precision,AP,原始数据,检测要求,计算机技术应用
AB值：
0.41381
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。
