无人机辅助桥梁检测的深度学习模型：YOLO基准分析
计算机视觉与模式识别
2024-11-08 v1
摘要
桥梁视觉检测对于确保其安全性和及早识别潜在故障至关重要。该检测过程可通过集成深度学习模型的无人机（UAV）快速且精确地自动化。然而，选择一个足够轻量级以集成到无人机中并满足推理时间和精度严格要求的模型具有挑战性。因此，我们的工作通过对 COCO-Bridge-2021+ 数据集（用于桥梁细节检测）上的23个模型（属于四种最新 YOLO 变体：YOLOv5、YOLOv6、YOLOv7、YOLOv8）进行全面基准测试，为该模型选择过程做出了贡献。通过全面的基准测试，我们识别出 YOLOv8n、YOLOv7tiny、YOLOv6m 和 YOLOv6m6 为在精度和处理速度之间提供最佳平衡的模型，其 mAP@50 分别为 0.803、0.837、0.853 和 0.872，推理时间分别为 5.3ms、7.5ms、14.06ms 和 39.33ms。我们的发现加速了无人机的模型选择过程，使桥梁检测更加高效和可靠。
引用
@article{arxiv.2411.04475,
title = {Deep Learning Models for UAV-Assisted Bridge Inspection: A YOLO Benchmark Analysis},
author = {Trong-Nhan Phan and Hoang-Hai Nguyen and Thi-Thu-Hien Ha and Huy-Tan Thai and Kim-Hung Le},
journal= {arXiv preprint arXiv:2411.04475},
year = {2024}
}