面向密集型钢筋计数的GCA-MobilenetV2-YOLOv4算法

来源：电子测量技术杂志2023年第9期北京时间：

作者：刘浩，辛山

单位：北京建筑大学电气与信息工程学院 北京 102627

摘要：为提高建筑工地的钢筋计数效率，围绕施工单位硬件设备算力不足，钢筋图像物体密集遮挡严重的情况，提出一种改进的轻量化YOLOv4算法。提出GCA-MobilenetV2轻量级网络替换CSPDarknet53，作为YOLOv4算法的主干特征网络。针对钢筋图像密集，物体间遮挡严重的情况，提出融合通道注意力机制的attention-CSP-PANet结构。针对深层网络SPP结构参数量大，模型训练时梯度消失的问题，提出DepthLite-SPP结构，增强深层网络的感受野，提高算法的检测速度。针对一阶段回归的算法正负样本失衡问题，设计CIOU-Focal损失函数。实验证明，在自建钢筋数据集中检测精度为98.78%，对比原算法精度提升了3.36%，检测速度FPS提升了7.6，参数量仅为原算法的1/3。

关键词：钢筋计数;YOLOv4算法改进;GCA-MobilenetV2网络;attention-CSP-PANet结构;DepthLite-SPP结构

基金资助：智能机器人与系统高精尖创新中心建设项目(00921917001)、北京市重点实验室项目（BZ0337）资助