基于yolov3的铁轨缺陷/裂纹检测

最新推荐文章于 2024-10-10 09:59:20 发布

Tom Hardy

最新推荐文章于 2024-10-10 09:59:20 发布

阅读量2.2w

点赞数 34

分类专栏：深度学习

本文链接：https://blog.csdn.net/qq_29462849/article/details/84772263

版权

本文介绍了基于YOLOv3算法的铁轨裂纹检测方法，详细阐述了YOLOv3的改进点，如多尺度特征融合、DarkNet53网络结构，以及如何处理数据集和训练模型。通过调整模型参数，达到了98.57%的准确率，并在实际应用中取得良好效果。

摘要由CSDN通过智能技术生成

一、前言

基于上一篇的SSD对工件裂纹检测之后，又推出的准确率更高的模型yolov3。SSD虽然速度快，但是准确率实在不高，对非裂纹的区域容易错检。后面提出的RetinaNet和yolov3无论是在速度上还是准确率上都非常棒，准确率已经超过了Faster RCNN。在这里就以yolov3为准，进行裂纹的检测定位。

二、yolov3算法

yolov3是在yolov2和yolov1的基础上进行改进的，关于yolov2和yolov1算法请参考：

yolov1：
https://blog.csdn.net/hrsstudy/article/details/70305791
https://blog.csdn.net/zhangjunp3/article/details/80421814
yolov2：
https://blog.csdn.net/u014380165/article/details/77961414
其中yolov2是在yolov1的基础上进行改进的。

关于yolov3，写一下自己的理解。相比于yolov2，使用多尺度feature map上的特征进行预测，不再是单个feature map，使用DarkNet53而不是DarkNet19。
在这里插入图片描述

类别预测方面主要是将原来的单标签分类改进为多标签分类，因此网络结构上就将原来用于单标签多分类的softmax层换成用于多标签多分类的逻辑回归层。首先说明一下为什么要做这样的修改，原来分类网络中的softmax层都是假设一张图像或一个object只属于一个类别，但是在一些复杂场景下，一个object可能属于多个类，比如你的类别中有woman和person这两个类，那么如果一张图像中有一个woman，那么你检测的结果中类别标签就要同时有woman和person两个类，这就是多标签分类，需要用逻辑回归层来对每个类别做二分类。

逻辑回归层主要用到sigmoid函数，该函数可以将输入约束在0到1的范围内，因此当一张图像经过特征提取后的某一类输出经过sigmoid函数约束后如果大于0.5，就表示属于该类。

YOLO v3采用多个scale融合的方式做预测。原来的YOLO v2有一个层叫：passthrough layer，假设最后提取的feature map的size是 $13 * 13$ ，那么这个层的作用就是将前面一层的 $26 * 26$ 的feature map和本层的 $13 * 13$ 的feature map进行连接，有点像ResNet。当时这么操作也是为了加强YOLO算法对小目标检测的精确度。这个思想在YOLO v3中得到了进一步加强，在YOLO v3中采用类似FPN的upsample和融合做法（最后融合了3个scale，其他两个scale的大小分别是2626和5252），在多个scale的feature map上做检测，对于小目标的检测效果提升还是比较明显的。前面提到过在YOLO v3中每个grid cell预测3个bounding box，看起来比YOLO v2中每个grid cell预测5个bounding box要少，其实不是！因为YOLO v3采用了多个scale的特征融合，所以boundign box的数量要比之前多很多，以输入图像为 $416 * 416$ 为例： $(13 * 13 + 26 * 26 +$