基于YOLOv7算法的混凝土结构表面裂缝自主识别

Autonomous surface crack identification of concrete structures based on the YOLOv7 algorithm

  • 1、模型接受
    • 1.1 yolov7架构:
    • 1.2 骨干网中增加一个Aatten模块
    • 1.3 加入Myswin模块的YOLOv7网络
    • 1.3 加入FEEM模块YOLOv7网络
  • 2、实验

在本研究中,我们使用了一个改进的网络,名为YOLOv7-AMF,用于混凝土裂缝检测。为了扩展网络的感知域,我们添加了Aatten模块和Myswin模块,这两个模块采用了一种自注意机制。此外,我们在FEEM模块中加入了多尺度融合。通过这些修改,我们能够在保持快速检测速度的同时,显著提高裂纹检测的准确性。
贡献:
(1)针对不 同尺度的裂缝图像识别问题,利用大小为1000 × 1000和3000 × 3000的裂缝图像数据集对网络进行训练,帮助模型充分学习不同尺度裂缝的特征。对图像进行不同曝光和噪声处理,使网络能够适应不同环境下的实时检测。
(2)针对裂缝 识别精度问题,我们将自关注机构模块从Swin Transformer中提取到 self-research模块(Myswin)中,

你可能感兴趣的:(yolov7,YOLO,算法)