来源：期刊VIP网 时间：
作者：戴激光;李岩;
单位：辽宁工程技术大学测绘与地理科学学院;
摘要：针对破损路沿石在街景影像中受到目标多尺度、相似地物干扰以及遮挡等问题，提出了一种面向城市街道两侧破损路沿石检测的CDD-YOLO(convolutional swin transformer deformable decouple-YOLO,CDD-YOLO)模型。依据破损路沿石呈现形状尺度多样性特点，嵌入C3＿STR(convolutional swin transformer, C3＿STR)模块进行特征融合，增强模型对多尺度特征的感知性能；对于相似地物干扰导致的误检现象，加入可变形卷积模块，利用目标区域自适应特性，提升模型对相似地物的判别能力；为避免因遮挡引起的定位不准确问题，引入解耦检测头结构，增强模型对模糊边界特征的提取能力。在自制的街景破损路沿石数据集上进行验证，分析表明，该方法的precision、recall、F1、IoU 4项评价指标分别达到了82.45%、81.22%、81.01%和80.23%,显著优于其他主流目标检测方法，验证了该方法的有效性和可行性。
关键词：破损路沿石检测;;街景影像;;目标多尺度;;特征融合;;解耦检测头
基金资助：国家自然科学基金(42071428、42071343)
