??💡💡💡本文主要內容:詳細介紹道路裂縫檢測整個過程，從數據集到訓練模型到結果可視化分析。

??💡💡💡通過加入一種基于內容引導注意力(CGA)的混合融合提升檢測性能，

特征融合創新 | 一種基于內容引導注意力(CGA)的混合融合 | IEEE TIP 2024 浙大?

map從原始的0.952提升至0.977

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?博主簡介

AI小怪獸，YOLO骨灰級玩家，1）YOLOv5、v7、v8優化創新，輕松漲點和模型輕量化；2）目標檢測、語義分割、OCR、分類等技術孵化，賦能智能制造，工業項目落地經驗豐富；

原創自研系列，?2024年計算機視覺頂會創新點

《YOLOv8原創自研》

《YOLOv5原創自研》

《YOLOv7原創自研》

23年最火系列，內涵80+優化改進篇，漲點小能手，助力科研，好評率極高

《YOLOv8魔術師》

?《YOLOv7魔術師》

《YOLOv5/YOLOv7魔術師》

《RT-DETR魔術師》

應用系列篇：

《YOLO小目標檢測》

《深度學習工業缺陷檢測》

《YOLOv8-Pose關鍵點檢測》

1.道路裂縫檢測

傳統的路面裂縫檢測識別方法主要是依靠人工 進行檢測，但人工檢測工作效率低，作業風險系數 大，且容易受主觀因素影響。由于近年來計算機視 覺和圖像檢測、目標識別技術的快速發展，研究者通 過人工選取裂縫特征，實現對路面裂縫的自動檢測。 但人工選取特征具有很強的主觀性，在特征選擇上 的優劣決定了路面裂縫檢測的性能。

1.1 數據集介紹?

數據集大小390張，類別["crack"]?

?

細節圖：?

2.基于YOLOv5的手機頂蓋焊缺陷檢測

2.1 修改crack.yaml

train: ./data/crack/train.txt
val: ./data/crack/val.txt# number of classes
nc: 1# class names
names: ["crack"]

2.2 修改train.py?

def parse_opt(known=False):parser = argparse.ArgumentParser()parser.add_argument("--weights", type=str, default=ROOT / "weights/yolov5s.pt", help="initial weights path")parser.add_argument("--cfg", type=str, default="models/yolov9/yolov5s.yaml", help="model.yaml path")parser.add_argument("--data", type=str, default=ROOT / "data/crack.yaml", help="dataset.yaml path")parser.add_argument("--hyp", type=str, default=ROOT / "data/hyps/hyp.scratch-high.yaml", help="hyperparameters path")parser.add_argument("--epochs", type=int, default=100, help="total training epochs")parser.add_argument("--batch-size", type=int, default=16, help="total batch size for all GPUs, -1 for autobatch")parser.add_argument("--imgsz", "--img", "--img-size", type=int, default=640, help="train, val image size (pixels)")parser.add_argument("--rect", action="store_true", help="rectangular training")parser.add_argument("--resume", nargs="?", const=True, default=False, help="resume most recent training")parser.add_argument("--nosave", action="store_true", help="only save final checkpoint")parser.add_argument("--noval", action="store_true", help="only validate final epoch")parser.add_argument("--noautoanchor", action="store_true", help="disable AutoAnchor")parser.add_argument("--noplots", action="store_true", help="save no plot files")parser.add_argument("--evolve", type=int, nargs="?", const=300, help="evolve hyperparameters for x generations")parser.add_argument("--evolve_population", type=str, default=ROOT / "data/hyps", help="location for loading population")

?2.3 結果可視化分析?

PR_curve.png

PR曲線中的P代表的是precision（精準率），R代表的是recall（召回率），其代表的是精準率與召回率的關系，一般情況下，將recall設置為橫坐標，precision設置為縱坐標。PR曲線下圍成的面積即AP，所有類別AP平均值即Map

3.加入一種基于內容引導注意力(CGA)的混合融合

特征融合創新 | 一種基于內容引導注意力(CGA)的混合融合 | IEEE TIP 2024 浙大

原文鏈接：YOLOv5獨家原創改進： 特征融合創新 | 一種基于內容引導注意力(CGA)的混合融合 | IEEE TIP 2024 浙大-CSDN博客

我們提出了一種新的注意力機制，即內容引導注意力(CGA)，以一種從粗到精的方式生成特定頻道的SIMs。CGA通過輸入特征引導SIM的生成，為每個通道分配唯一的SIM，使模型參加每個通道的重要區域。因此，可以強調特征中編碼的更多有用信息，從而有效地提高性能。此外，提出了一種基于cgaba的混合融合方案，將編碼器部分的低級特征與相應的高級特征有效融合。

map從原始的0.952提升至0.977

?

關注下方名片，即可獲取源碼。?