改进YOLOv5的复杂场景下水泥路面病害检测

打开文本图片集

摘 要：针对国内水泥路面病害检测数据集缺乏、规模小、场景单一，以及深度学习算法在复杂场景下泛化能力不足的问题，提出一种基于改进YOLOv5 的路面病害检测算法。收集并构建包含11 862 张图像的水泥路面病害检测数据集，覆盖9类场景下的3类最常见病害类型;通过融合以IoU 度量的 K-Means 聚类算法和遗传算法获取模型训练的先验锚框;在特征增强阶段，引入轻量级上采样模块（CARAFE），减少特征重组过程中的信息损失;引入顾及通道、高度和宽度维度的多维协同注意力模块（MCA），增强多尺度病害特征的辨别力。（剩余16206字）