原创力文档- 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）