申请/专利权人：福州大学

申请日：2023-11-28

公开（公告）日：2024-02-06

公开（公告）号：CN117523402A

主分类号：G06V20/10

分类号：G06V20/10;G06V20/52;G06V10/25;G06V10/44;G06V10/762;G06V10/764;G06V10/82;G06N3/0464;G06N3/045;G06N3/048

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.02.27#实质审查的生效;2024.02.06#公开

摘要：本发明提供了一种基于改进CBAM注意力机制的YOLOv7道路坑洼检测方法，包括：通过城镇中的监控对道路进行俯拍，获得道路坑洼的图片数据；同时对原始的路面坑洼图片数据使用SMOTE方法结合添加CoarseDropout噪声对数据集进行处理，建立典型与非典型的道路坑洼图片数据集；构建改进的YOLOv7网络，包括在YOLOv7网络中添加改进空间注意力模块之后的CBAM注意力机制；将道路坑洼数据集输入到改进的YOLOv7目标检测模型；改进损失函数，将CIOUloss改进为WIoUv1；对待检测的道路图像进行道路坑洼检测，使用K‑Means方法对坑洼边界框尺寸进行聚类，获得合适的预设框尺寸；输出包含道路坑洼区域检测框的检测图像。本发明采用市政监控拍摄道路图像，对于道路的坑洼能够进行快速且有效的识别。

主权项：1.一种基于改进CBAM注意力机制的YOLOv7道路坑洼检测方法，其特征在于：包括以下步骤：步骤S1：通过市政监控采集道路坑洼图像数据，构建道路坑洼数据集；步骤S2：对道路坑洼数据集使用SMOTE方法结合添加CoarseDropout噪声对数据集进行数据增强，通过人工合成新样本来处理数据不平衡的问题，从而提升分类器的性能；步骤S3：构建基于YOLOv7算法的道路坑洼检测网络，该网络包括引入改进之后的注意力机制CBAM；步骤S4：将增强后的道路坑洼数据集输入到道路坑洼检测网络中进行模型训练，将预测结果与真实结果进行比对，利用WIoUv1损失函数进行迭代，得到训练的模型并更新网络权重，获得训练后的改进YOLOv7目标检测模型；步骤S5：将待检测的道路图像输入至训练后的坑洼检测模型中，在进行道路坑洼检测的过程中使用K-Means方法对坑洼边界框尺寸进行聚类，获得合适的预设框尺寸，输出包含坑洼区域检测框的检测图像。

全文数据：

权利要求：

百度查询： 福州大学 一种基于改进CBAM注意力机制的YOLOv7道路坑洼检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD