摘要
为提升大坝安全运维效率,研究大坝缺陷目标检测模型有助于辅助巡检人员进行缺陷检测。由于大坝缺陷几何形状多变,采用的传统的卷积方式进行特征提取的单点多盒检测器(SSD)方法无法适应缺陷未知的几何形变。针对上述问题,提出可变形卷积单阶段目标检测器(DFSSD)模型。首先,将原始的 SSD的主干网络中VGG16的标准卷积替换为可变形卷积,用于处理未知缺陷的几何形变,并且通过学习卷积偏移量提升模型空间信息建模能力;其次针对不同特征的尺寸,改进先验框比例,提高模型对条形特征的检测精度与模型的泛化能力;最后为解决训练集正负样本不均衡的问题,采用改进的非极大值抑制算法,优化学习效果。实验结果表明:DFSSD较基准模型SSD在大坝缺陷图像的检测精度提升了5.98%。相较于基于区域的更快卷积神经网络(Faster R-CNN)和SSD模型,DFSSD模型在大坝缺陷目标检测精度提升有较好的效果。
-
单位中国; 河海大学