摘要
本发明提出一种基于改进YOLO网络的裂缝分割方法,包括以下步骤:A、构建神经网络模型,所述的神经网络模型包括Backbone网络模块、Neck网络模块、Head网络模块;B、对神经网络模型进行训练,得到训练好的神经网络模型;C、原始图像输入训练好的神经网络模型中,先进入Backbone网络模块;在Backbone网络模块中,原始图像处理得到第三卷积结果、第四卷积结果、MECS模块处理结果输入Neck网络模块中;D、Neck网络模块对输入特征进行多尺度特征融合,得到不同分辨率的三个特征,分别输入Decoupled Head模块中进行检测,得到一系列检测框以及类别数据,即为最终结果。本发明具有更高的分割精度,能分割出不明显的裂缝。
技术关键词
网络模块
裂缝分割方法
神经网络模型
Sigmoid函数
ReLU函数
多尺度特征融合
通道注意力机制
上采样
分辨率
图像处理
数据
精度
系统为您推荐了相关专利信息
汽车电池荷电状态
混合神经网络模型
车辆运行数据
电池荷电状态预测
特征提取模块
超高频RFID技术
门禁控制方法
门禁系统
信号加权算法
训练人工智能模型
安全帽识别方法
视频流技术
佩戴安全帽
安全帽本体
实时视频流
尿液监测系统
尿液采集装置
神经网络模型
数据采集模块
数据分析模块
攻击防御方法
卷积神经网络模型
软件漏洞分析
攻击防御系统
噪声强度