基于改进YOLOv5的道路缺陷检测与分类研究
蒋大伟
吴正平
景思伟
三峡大学电气与新能源学院 湖北宜昌 443002
摘要：针对道路缺陷识别中识别准确度低,容易出现漏检情况等问题,提出了一种改进YOLOv5网络的图像识别算法用于道路缺陷识别.首先,在YOLOv5 网络的颈部网络中引入集中注意力机制(CBAM)与原有的CSP结构结合,提高对道路缺陷特征的关注能力.然后,在特征融合层引入自适应特征融合机制(ASFF),改善主干网络的特征提取能力,提升算法检测精度.最后,道路缺陷识别消融实验和对比实验表明,使用改进后的YOLOv5s算法的平均准确率达到77.2％,相较于原YOLOv5s算法提高2.3％,召回率达到74.9％,提高 2.5％,其他各项指标均有提升,验证了改进方法的有效性.
关键词：道路缺陷检测YOLO网络自适应特征融合机制集中注意力机制
论文发表日期：2024-02-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 31-34 )