【技术实现步骤摘要】
本专利技术涉及图片检测，尤其涉及一种基于半监督学习的路面病害目标检测方法。
技术介绍
1、在目标检测算法领域中，yolov8是当前流行的目标检测算法，该算法利用路面病害标注样本对目标检测网络模型进行训练，得出训练后的网络模型。然后，将待检测路面图像输入到目标检测网络模型中，对路面图像中的多种病害类型进行判别，并生成对应的检测框位置信息，然而目前已有的目标检测算法存在以下缺陷：
2、(1)基于yolov8的路面病害目标检测算法能够检测出路面图片中的病害类型以及检测框位置，但该算法需要依靠大量边框级标注样本来实现，但无法利用无标注样本中的病害信息，造成工作效率低的问题。
3、(2)现实中场景路面背景复杂，干扰较多，利用少量标注样本集训练的yolov8路面病害目标检测模型无法很好地应对复杂背景下的路面病害检测任务，存在误检和漏检的问题。
技术实现思路
1、本专利技术提供一种基于半监督学习的路面病害目标检测方法，以克服上述技术问题。
2、为了实现上述目的，本专利...
【技术保护点】
1.一种基于半监督学习的路面病害目标检测方法，其特征在于，具体包括以下步骤：
2.根据权利要求1所述的一种基于半监督学习的路面病害目标检测方法，其特征在于，S2中基于轻量化压缩激励注意力模块与SPPFCSPC模块改进的YOLOv8检测网络的骨干网络，其改进的方法为：
3.根据权利要求1所述的一种基于半监督学习的路面病害目标检测方法，其特征在于，S2中基于动态权重连接模块改进的YOLOv8检测网络的颈部网络，其改进的方法为：
4.根据权利要求1所述的一种基于半监督学习的路面病害目标检测方法，其特征在于，所述S3具体包括以下步骤：>
5.根据权利...
【技术特征摘要】
1.一种基于半监督学习的路面病害目标检测方法，其特征在于，具体包括以下步骤：
2.根据权利要求1所述的一种基于半监督学习的路面病害目标检测方法，其特征在于，s2中基于轻量化压缩激励注意力模块与sppfcspc模块改进的yolov8检测网络的骨干网络，其改进的方法为：
3.根据权利要求1所述的一种基于半监督学习的路面病害目标检测方法，其特征在于，s2中基于动态权重连接模块改进的yolov8检测网络的颈部网络，其改进的方法为：
4.根据权利要求1所述的一种基于半监督学习的路面病害...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。