两类YOLOv4-tiny简化网络及其裂缝检测性能比较

• 作者: 宋立博 费燕琼
• 来源期刊: 同济大学学报（自然科学版）
• 学科: 工学
• 关键词: 智能检测 深度学习 边缘设备 深度网络
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 电子、计算机、控制与系统|Electronics,Computer,Control and System Engineering
• 页码范围: 129-137
• 页数: 9页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.11908/j.issn.0253-374x.21095

摘要

面向国内高大建筑物裂缝检测市场实际需求,考虑现有YOLOv4-tiny深度网络结构在树莓派等边缘设备上运行速度慢的缺点,使用去除第二层残差网络、增加一个maxpool池化层及改变最后一个route层连接的方法生成YOLOv4-lite1和YOLOv4-lite2两种新的简化版YOLOv4-tiny深度网络结构.使用从百度上搜索的裂缝图片生成裂缝检测的训练集、测试集和验证集数据,在Ubuntu16.04系统上使用Darknet深度学习框架进行了训练.同时,在树莓派4B上进行的实际测试表明,YOLOv4-lite1具有更快运行速度、检出率和稳定性.该研究创新点在于进一步精简了YOLOv4-tiny网络结构和最后一层route层的连接,从而获得两种新YOLOv4-tiny深度网络结构形式和较佳检测效果.