期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
改进YOLOv8的路面病害检测模型
被引量：
3
1
作者
邓天民
李亚楠
+2 位作者
李庆营
李宇航
王含笑
《重庆理工大学学报（自然科学）》
CAS
北大核心
2024年第4期138-145,共8页
针对路面病害检测存在的病害尺度差异大、细小病害特征提取难、病害在图像中占比小等问题,提出一种基于改进YOLOv8的路面病害检测方法。以YOLOv8s网络结构为基础,通过引入通道注意力机制和无跨步卷积网络结构,构建了一种无信息丢失的下...
针对路面病害检测存在的病害尺度差异大、细小病害特征提取难、病害在图像中占比小等问题,提出一种基于改进YOLOv8的路面病害检测方法。以YOLOv8s网络结构为基础,通过引入通道注意力机制和无跨步卷积网络结构,构建了一种无信息丢失的下采样网络模块,在剔除背景冗余信息的同时更多地保留了病害纹理特征;通过构建基于PANet的多尺度自适应特征融合网络,增强了网络浅层特征捕获能力,实现了不同尺度特征信息的高效融合;采用Focal Loss损失函数,对各样本赋予对应的权重,缓解了正负样本不平衡问题。实验表明:所提方法在RDD2020和RDD2022数据集上的平均精度分别达到57.1%和52.8%,与YOLOv8s模型相比分别提升3.2和0.6个百分点,整体性能优于YOLOv5等其他检测网络。
展开更多
关键词
路面病害检测
多尺度特征融合
无跨步卷积网络
ASFF
在线阅读
下载PDF
职称材料
题名
改进YOLOv8的路面病害检测模型
被引量：
3
1
作者
邓天民
李亚楠
李庆营
李宇航
王含笑
机构
重庆交通大学交通运输学院
山东高速工程检测有限公司
出处
《重庆理工大学学报（自然科学）》
CAS
北大核心
2024年第4期138-145,共8页
基金
重庆市技术创新与应用发展项目(CSTC2020JSCX-CYLHX007,cstc2020jscx-cylhX0005)
山东省交通运输科技计划项目(2020-MSI-041)。
文摘
针对路面病害检测存在的病害尺度差异大、细小病害特征提取难、病害在图像中占比小等问题,提出一种基于改进YOLOv8的路面病害检测方法。以YOLOv8s网络结构为基础,通过引入通道注意力机制和无跨步卷积网络结构,构建了一种无信息丢失的下采样网络模块,在剔除背景冗余信息的同时更多地保留了病害纹理特征;通过构建基于PANet的多尺度自适应特征融合网络,增强了网络浅层特征捕获能力,实现了不同尺度特征信息的高效融合;采用Focal Loss损失函数,对各样本赋予对应的权重,缓解了正负样本不平衡问题。实验表明:所提方法在RDD2020和RDD2022数据集上的平均精度分别达到57.1%和52.8%,与YOLOv8s模型相比分别提升3.2和0.6个百分点,整体性能优于YOLOv5等其他检测网络。
关键词
路面病害检测
多尺度特征融合
无跨步卷积网络
ASFF
Keywords
pavement damage detection
multi-scale feature fusion
no step convolutional network structure
ASFF
分类号
U418.6 [交通运输工程—道路与铁道工程]
TP391.41 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
改进YOLOv8的路面病害检测模型
邓天民
李亚楠
李庆营
李宇航
王含笑
《重庆理工大学学报（自然科学）》
CAS
北大核心
2024
3
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
