YOLOv5s-GTB: light-weighted and improved YOLOv5s for bridge crack detection

要約

従来の橋梁亀裂手動検出法は人的・物的資源を大量に浪費する状況に対応して、本研究は軽量、高精度、深層学習に基づく橋梁見かけ亀裂認識モデルを提案することを目的としている。
モバイルデバイスのシナリオで展開されます。
YOLOv5のパフォーマンスを向上させるために、最初にデータ拡張方法が補足され、次にYOLOv5シリーズアルゴリズムが適切な基本フレームワークを選択するようにトレーニングされます。
YOLOv5sは、比較と検証のための実験を通じて、軽量亀裂検出モデルの基本的なフレームワークとして識別されます。YOLOv5sの従来のDarkNetバックボーンネットワークをGhostNetバックボーンネットワークに置き換えることにより、Transformerマルチヘッド自己注意メカニズムと双方向を導入します。
機能ピラミッドネットワーク（BiFPN）は、一般的に使用される機能ピラミッドネットワークに代わるものであり、改善されたモデルは、パラメーターが42％少なく、推論応答が高速であるだけでなく、精度とmAPの点で元のモデルを大幅に上回っています（8.5％および1.1％の改善）
、 それぞれ）。
幸いなことに、改善された各パーツは結果にプラスの影響を与えます。
この論文は、将来、高速道路と橋梁の分野でデジタル運用管理システムを確立し、中国の民間インフラストラクチャのライフサイクル構造全体のヘルスモニタリングを実装するための実現可能なアイデアを提供します。

要約(オリジナル)

In response to the situation that the conventional bridge crack manual detection method has a large amount of human and material resources wasted, this study is aimed to propose a light-weighted, high-precision, deep learning-based bridge apparent crack recognition model that can be deployed in mobile devices’ scenarios. In order to enhance the performance of YOLOv5, firstly, the data augmentation methods are supplemented, and then the YOLOv5 series algorithm is trained to select a suitable basic framework. The YOLOv5s is identified as the basic framework for the light-weighted crack detection model through experiments for comparison and validation.By replacing the traditional DarkNet backbone network of YOLOv5s with GhostNet backbone network, introducing Transformer multi-headed self-attention mechanism and bi-directional feature pyramid network (BiFPN) to replace the commonly used feature pyramid network, the improved model not only has 42% fewer parameters and faster inference response, but also significantly outperforms the original model in terms of accuracy and mAP (8.5% and 1.1% improvement, respectively). Luckily each improved part has a positive impact on the result. This paper provides a feasible idea to establish a digital operation management system in the field of highway and bridge in the future and to implement the whole life cycle structure health monitoring of civil infrastructure in China.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google