文章预览
随着现代社会的不断发展，全球大多数国家的交通量持续增加，导致路面损坏率上升。因此，实时且高度准确的路面损坏检测与维护已成为当前的需求。在本文中，提出了一种基于CycleGAN和改进的YOLOv5算法的增强型路面损坏检测方法。 作者选取了7644张自行收集的路面损坏样本图像作为初始数据集，并利用CycleGAN对其进行增强。由于CycleGAN生成的图像与真实道路图像之间存在较大差异，作者提出了一种基于改进的Scharr滤波器、CycleGAN和Laplacian金字塔的数据增强方法。 为了提高复杂背景下目标识别效果，并解决YOLOv5网络中的空间金字塔池化-快速模块无法处理多尺度目标的问题，作者引入了卷积块注意力模块的注意力机制，并提出了具有挤压和激励结构的扩张空间金字塔池化。 此外，作者通过将CIoU替换为EIoU来优化YOLOv5的损失函数。 实验结果表明，在检
………………………………
