面向密集型钢筋计数的GCA-MobilenetV2-YOLOv4算法

作     者：刘浩 辛山 Liu Hao;Xin Shan

作者机构：北京建筑大学电气与信息工程学院北京102627 

出 版 物：《电子测量技术》 (Electronic Measurement Technology)

年 卷 期：2023年第46卷第9期

页      面：166-174页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：智能机器人与系统高精尖创新中心建设项目(00921917001) 北京市重点实验室项目(BZ0337)资助 

主　　题：钢筋计数 YOLOv4算法改进 GCA-MobilenetV2网络 attention-CSP-PANet结构 DepthLite-SPP结构 

摘      要：为提高建筑工地的钢筋计数效率,围绕施工单位硬件设备算力不足,钢筋图像物体密集遮挡严重的情况,提出一种改进的轻量化YOLOv4算法。提出GCA-MobilenetV2轻量级网络替换CSPDarknet53,作为YOLOv4算法的主干特征网络。针对钢筋图像密集,物体间遮挡严重的情况,提出融合通道注意力机制的attention-CSP-PANet结构。针对深层网络SPP结构参数量大,模型训练时梯度消失的问题,提出DepthLite-SPP结构,增强深层网络的感受野,提高算法的检测速度。针对一阶段回归的算法正负样本失衡问题,设计CIOU-Focal损失函数。实验证明,在自建钢筋数据集中检测精度为98.78%,对比原算法精度提升了3.36%,检测速度FPS提升了7.6,参数量仅为原算法的1/3。