文献类型：期刊文章

作　　者：廖延娜[1,2] 李婉[2]

LIAO Yan-na;LI Wan(College of Electronic Engineering,Xi’an University of Posts and Telecommunications,Xi’an 710121,China;School of Science,Xi’an University of Posts and Telecommunications,Xi’an 710121,China)

机构地区：[1]西安邮电大学电子工程学院,陕西西安710121 [2]西安邮电大学理学院,陕西西安710121

出　　处：《计算机工程与设计》

基　　金：国际科技合作计划基金项目(陕西省科技厅项目2020KW-001)。

年　　份：2021

卷　　号：42

期　　号：8

起止页码：2366-2372

语　　种：中文

收录情况：BDHX、BDHX2020、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对桥梁裂缝固有特征及检测过程的局限性,引入基于卷积神经网络的YOLOv3单阶段目标检测算法,并对YOLOV3网络的多尺度预测模块进行改进,充分利用浅层特征,提升小裂缝检测精度。通过聚类算法对数据集进行聚类,得到适用于桥梁裂缝特征的先验框尺寸。数据集方面引入生成对抗网络对桥梁裂缝数据集进行扩增。实验结果表明,在相同数据集和迭代次数下,改进YOLOv3网络裂缝检测精度可达0.9302,比原YOLOv3提高0.0137。

关 键 词：卷积神经网络 生成对抗网络  桥梁裂缝 目标检测 YOLOv3  

分 类 号：TP391]