改進(jìn)型DSSD算法在道路損傷檢測(cè)中的應(yīng)用研究
所屬分類：技術(shù)論文
上傳者：aetmagazine
文檔大?。?span>880 K
標(biāo)簽： 道路損傷檢測(cè) DSSD目標(biāo)檢測(cè)算法 小目標(biāo)檢測(cè)
所需積分：0分積分不夠怎么辦,？
文檔介紹：在自動(dòng)檢測(cè)中，由于道路損傷數(shù)據(jù)集存在小目標(biāo)損傷難檢測(cè)與類別不平衡問題,，導(dǎo)致道路損傷檢測(cè)的準(zhǔn)確率低、虛假率高,。為此,，在DSSD(Deconvolutional Single Shot Detector)網(wǎng)絡(luò)模型的基礎(chǔ)上，提出一種結(jié)合注意力機(jī)制和Focal loss的道路損傷檢測(cè)算法,。首先,，采用識(shí)別精度更高的ResNet-101作為DSSD模型的基礎(chǔ)網(wǎng)絡(luò)；其次,，在ResNet-101主干網(wǎng)絡(luò)中添加注意力機(jī)制,，采用通道域注意力和空間域注意力結(jié)合的方式，實(shí)現(xiàn)特征在通道維度上的加權(quán)與空間維度上的聚焦,，提升對(duì)小目標(biāo)道路損傷的檢測(cè)效果,；最后，為了減少簡(jiǎn)單樣本的權(quán)重,，增大難分類樣本的權(quán)重,，使用Focal loss來提高整體的檢測(cè)效果。在Global Road Damage Detection Challenge比賽所提供的數(shù)據(jù)集上進(jìn)行驗(yàn)證,，實(shí)驗(yàn)結(jié)果表明,，該模型的平均精度均值為83.95%，比基于SSD和YOLO網(wǎng)絡(luò)的道路損傷檢測(cè)方法的準(zhǔn)確率更高,。
現(xiàn)在下載
VIP會(huì)員,，AET專家下載不扣分,；重復(fù)下載不扣分，本人上傳資源不扣分,。