摘要
本发明公开了一种基于YOLOv8改进的道路裂缝检测方法,属于图像目标检测领域,所述方法包括:对道路裂缝图像进行预处理,将预处理后的道路裂缝图像划分为训练集和验证集;将DCNv2模块引入到C2f模块中构建C2f_DCN模块,并将所述模块引入到颈部网络中,得到特征融合网络;在YOLOv8模型的骨干网络中引入CA注意力机制模块,得到特征提取网络;将训练集输入网络模型进行迭代训练,得到目标网络模型;将测试集输入到目标网络模型中进行测试,得到模型检测结果和性能评价结果。与其他主流的目标检测算法比较,本发明方法算法以较低的模型复杂度实现了较高的检测精度,并且可准确地自动标注出道路图像中存在的裂缝和对识别出的裂缝进行自动分类。
技术关键词
裂缝检测方法
特征提取网络
特征融合网络
注意力机制
训练集
卷积模块
图像
算法
通道
复杂度
图片
格式
数据
精度
系统为您推荐了相关专利信息
动态手势识别方法
特征融合网络
手势识别模型
中频信号
多普勒
围栏
单目深度估计
多模态
距离信息
高斯混合模型
消费品
车辆调度系统
节点特征
邻居
需求预测模型
视频生成模型
表达序列
训练集
变形特征
人脸关键点
多任务深度学习模型
对抗网络模型
数据
随机噪声
深度卷积神经网络