- 1、本文档共9页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
信息技术级电测量技术第46卷第9期
图像处理ELECTRONICMEASUREMENTTECHNOLOGY2023年5月
DOI:10.19651/ki.emt.2210228
面向密集型钢筋计数的
GCA-MobilenetV2-YOLOv4算法
刘浩辛山
(北京建筑大学电气与信息工程学院北京102627)
摘要:为提高建筑工地的钢筋计数效率,围绕施工单位硬件设备算力不足,钢筋图像物体密集遮挡严重的情况,提
出一种改进的轻量化YOLOv4算法。提出GCA-MobilenetV2轻量级网络替换CSPDarknet53,作为YOLOv4算法的
主干特征网络。针对钢筋图像密集,物体间遮挡严重的情况,提出融合通道注意力机制的attention-CSP-PANet结构。
针对深层网络SPP结构参数量大,模型训练时梯度消失的问题,提出DepthLite-SPP结构,增强深层网络的感受野,提
高算法的检测速度。针对一阶段回归的算法正负样本失衡问题,设计CIOU-Focal损失函数。实验证明,在自建钢筋
数据集中检测精度为98.78%,对比原算法精度提升了3.36%,检测速度FPS提升了7.6,参数量仅为原算法的1/3。
关键词:钢筋计数;YOLOv4算法改进;GCA-MobilenetV2网络;attention-CSP-PANet结构;DepthLite-SPP结构
中图分类号:TP399文献标识码:A国家标准学科分类代码:520.6040
GCA-MobilenetV2-YOLOv4algorithmforintensiverebarcounting
LiuHaoXinShan
(SchoolofElectricalandInformationEngineering,BeijingUniversityofCivilEngineeringandArchitecture,Beijing102627,China)
Abstract:Toimprovethecountingefficiencyofsteelbarsinconstructionsites,animprovedlightweightYOLOv4
algorithmisproposedbasedontheinsufficientcomputingpowerofhardwareequipmentinconstructionunitsandthe
denseocclusionofsteelbarimageobjects.GCA-MobilenetV2lightweightnetworkisproposedtoreplace
CSPDarknet53asthemainfeaturenetworkofYOLOv4algorithm.Aimingatthesituationofdensesteelbarimages
andseriousocclusionbetweenobjects,attention-CSP-PANetstructureintegratingchannelattentionmechanismis
proposed.AimingatthelargenumberofSPPstructureparametersindeepnetwork,DepthLite-SPPstructureis
proposedtoenhancethereceptivefieldofdeepnetworkandimprovethedetectionspeedofthealgorithm.I
文档评论(0)