典型文献
基于多通道特征融合的道路病害智能检测算法
文献摘要：
为实现道路病害的智能识别,帮助道路养护部门便捷、高效开展日常巡检养护工作,提出一种基于多通道特征融合的道路病害智能检测算法.本算法在YOLOv5中引入通道注意力模块,利用通道注意力模块为多层级病害特征赋予权重,弱化背景和噪声影响,获得更精确的语义级别病害信息.实验结果表明,提出Attention-YOLOv5算法的检测精度和mAP分别为40.51%、27.97%,比原始的YOLOv5算法提升了3.1%、1.6%,可以有效检测出包括横纵裂缝、龟裂、坑槽等多类型路面病害.
文献关键词：
道路病害检测;深度学习;目标检测;注意力机制
中图分类号：
作者姓名：
贾睿;赵红岩
作者机构：
辽宁省交通高等专科学校,沈阳110122
文献出处：
引用格式：
[1]贾睿;赵红岩-.基于多通道特征融合的道路病害智能检测算法)[J].价值工程,2022(31):123-125
A类：
B类：
多通道特征,通道特征融合,智能检测算法,智能识别,道路养护,高效开展,日常巡检,养护工作,YOLOv5,通道注意力模块,多层级,病害特征,噪声影响,Attention,检测精度,mAP,有效检测,纵裂,龟裂,坑槽,多类型,路面病害,道路病害检测,目标检测,注意力机制
AB值：
0.348361
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。
