[发明专利]基于改进YOLOv3的自然场景下路面裂缝检测和分类方法

权利要求书

1.一种基于改进YOLOv3的自然场景下路面裂缝检测和分类方法，其特征在于，所述方法包括以下步骤：

步骤1，对自然场景下的路面裂缝数据集进行处理，划分训练集和测试集，并对训练集进行数据增强；

步骤2，构建改进的YOLOv3网络模型；

步骤3，训练改进的YOLOv3网络模型；

步骤4，利用训练好的改进的YOLOv3网络模型，对测试集进行路面裂缝检测和分类。

2.根据权利要求1所述的基于改进YOLOv3的自然场景下路面裂缝检测和分类方法，其特征在于，步骤1所述对自然场景下的路面裂缝数据集进行处理，划分训练集和测试集，并对训练集进行数据增强，具体包括：

步骤1-1，针对路面裂缝数据集的所有样本，将80％的样本作为训练集，其余20％的样本作为测试集；数据集中样本的标注信息包括裂缝区域的坐标以及裂缝类型；

步骤1-2，统计训练集中各裂缝类型的样本实例数，按照实例数的比例进行图像增强以实现裂缝类型数量均衡。

3.根据权利要求2所述的基于改进YOLOv3的自然场景下路面裂缝检测和分类方法，其特征在于，步骤1-2中所述图像增强的方法采用对比度调整和或亮度调整和或高斯模糊。

4.根据权利要求3所述的基于改进YOLOv3的自然场景下路面裂缝检测和分类方法，其特征在于，步骤2所述构建改进的YOLOv3网络模型，具体包括：

步骤2-1，对训练集进行k-means聚类，获取锚框的几何先验知识，以候选框与真实框的交并比IoU作为评价标准，对IoU大于预设阈值的候选框进行降序排列，之后从中选取前9个先验框；

步骤2-2，采用Darknet-53网络的前52层作为改进的YOLOv3网络中的特征提取网络；

步骤2-3，在特征提取网络之后引入空间金字塔池化模块即SPP模块，该模块包括四个并行分支，分别为卷积核为5×5,9×9,13×13的最大池化层和一个跳跃连接，该跳跃连接为SPP模块的输入直接与3个池化层的输出连接。