文献类型：期刊文章

作　　者：方涛涛[1] 王池社[1,2] 王洁[2] 杜运兵[3]

Fang Taotao;Wang Chishe;Wang Jie;Du Yunbing(School of Computer Science and Engineering,Anhui University of Science and Technology,Huainan 232001,China;School of Network and Communication Engineering,Jinling Institute of Technology,Nanjing 211169,China;Beijing Deepradar Technology&Service Co.,Ltd.,Beijing 100000,China)

机构地区：[1]安徽理工大学计算机科学与工程学院,淮南232001 [2]金陵科技学院网络与通信工程学院,南京211169 [3]北京迪普瑞达技术服务有限公司,北京100000

出　　处：《国外电子测量技术》

基　　金：2021年南京市工业和信息发展专项资金(2021141)项目资助。

年　　份：2023

卷　　号：42

期　　号：11

起止页码：170-177

语　　种：中文

收录情况：BDHX、BDHX2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对目前基于深度学习的目标检测算法只能识别地下管线的特征双曲线区域而无法实现精准定位的问题,在传统目标检测任务的基础上,添加定位任务,以此来实现同时识别和定位管线的功能。在算法结构部分,首先以轻量级的YOLO v8n作为基础检测网络,并在检测头部添加用于定位的回归头;接着,为了应对添加定位任务而导致的精度下降问题,在特征提取层添加CBAM注意力机制。此外,为了应对训练数据不足的问题,利用GprMax软件进行仿真并使用CycleGan对仿真图像进行域迁移,以减小与真实图像之间的域差异。最后,在真实的数据集上进行性能验证,该算法的平均精度达到了88.6%,水平方向的平均误差比为1.84%,深度方向的平均误差比为8.26%。试验结果表明,该算法可以同时对地下管线实现精准的识别和定位。

关 键 词：探地雷达 管线检测  YOLO  识别与定位  

分 类 号：TP391]