基于改进单点多盒检测器的大坝缺陷目标检测方法

摘要

为提升大坝安全运维的效率,大坝缺陷目标检测模型有助于辅助巡检人员进行缺陷检测.大坝缺陷几何形状多变,而采用传统卷积方式进行特征提取的单点多盒检测器(SSD)模型无法适应缺陷的几何变换.针对上述问题,提出可变形卷积单步多框检测器(DFSSD)模型.首先将原始SSD的主干网络VGG16中的标准卷积替换为可变形卷积,用于处理缺陷的几何变换,并且通过学习卷积偏移量来提升模型的空间信息建模能力;其次针对不同特征的尺寸,改进先验框比例,从而提高模型对条形特征的检测精度与模型的泛化能力;最后为解决训练集正负样本不均衡的问题,采用改进的非极大值抑制(NMS)算法来优化学习效果.实验结果表明:DFSSD模型较基准模型SSD在大坝缺陷图像上的平均检测精度提升了5.98％.相较于基于区域的更快卷积神经网络(Faster R-CNN)和SSD模型,DFSSD模型在大坝缺陷目标检测精度提升上有较好的效果.