公开(公告)号：CN118196103B

公开(公告)日：2024-08-13

申请号：CN202410617362.9

申请日：2024-05-17

Applicant: 安徽大学

Inventor： 张鑫明 ,  周思宇 ,  徐佳 ,  王华彬 ,  李学俊

IPC: G06T7/00 ,  G06N3/045 ,  G06N3/0464 ,  G06V10/26 ,  G06V10/44 ,  G06V10/52 ,  G06V10/80 ,  G06V10/82 ,  G01S13/88

Abstract: 本发明公开了一种结合YOLOv8和RTDETR的道路缺陷检测方法，采用YOLOv8特征提取网络实现对道路雷达图像的多尺度特征提取，采用RTDETR缺陷检测网络对提取出的特征进行缺陷区域的识别与分割，并在YOLOv8特征提取网络的Backbone网络中，利用CAGM模块对Conv层以及GFNet层获取的特征信息进行多次交互从而丰富梯度流信息。本发明基于以上技术内容的改进，从而大大提升了道路缺陷检测的准确率和召回率。

公开(公告)号：CN118196103A

公开(公告)日：2024-06-14

申请号：CN202410617362.9

申请日：2024-05-17

Applicant: 安徽大学

Inventor： 张鑫明 ,  周思宇 ,  徐佳 ,  王华彬 ,  李学俊

IPC: G06T7/00 ,  G06N3/045 ,  G06N3/0464 ,  G06V10/26 ,  G06V10/44 ,  G06V10/52 ,  G06V10/80 ,  G06V10/82 ,  G01S13/88

Abstract: 本发明公开了一种结合YOLOv8和RTDETR的道路缺陷检测方法，采用YOLOv8特征提取网络实现对道路雷达图像的多尺度特征提取，采用RTDETR缺陷检测网络对提取出的特征进行缺陷区域的识别与分割，并在YOLOv8特征提取网络的Backbone网络中，利用CAGM模块对Conv层以及GFNet层获取的特征信息进行多次交互从而丰富梯度流信息。本发明基于以上技术内容的改进，从而大大提升了道路缺陷检测的准确率和召回率。