基于深度学习的桥梁裂缝定位算法研究

作者：廖延娜; 宋超^*

来源：国外电子测量技术, 2022, 41(04): 112-118.

DOI：10.19652/j.cnki.femt.2203678

• 深度学习
• 目标检测
• 热力图
• 桥梁裂缝
• YOLOv4

桥梁裂缝具有连续性和不具备个体完整性的特点，将会导致目标检测过程出现大量检测框重叠，造成过检。该算法基于YOLOv4目标检测算法框架，对YOLOv4网络的检测头进行分支改进，输出特征预测热力图，使检测结果具有更好的回归和判断能力；使用热力图辅助网络进行训练，引入Dice系数(Dice coefficient)损失对YOLOv4损失函数进行重新定义，有效的改善了过检问题。研究还发现，在数据集训练过程中使用随机裁剪联合马赛克数据增强策略，提高了网络模型在实际检测场景中的泛化能力。实验结果表明，在相同的迭代次数和数据集下，改进的YOLOv4网络相比于未改进的YOLOv4网络检测精度和速度均有了明显的提升。

• 单位
  电子工程学院; 西安邮电大学