Autonomous surface crack identification of concrete structures based on the YOLOv7 algorithm
在本研究中，我们使用了一个改进的网络，名为YOLOv7-AMF，用于混凝土裂缝检测。为了扩展网络的感知域，我们添加了Aatten模块和Myswin模块，这两个模块采用了一种自注意机制。此外，我们在FEEM模块中加入了多尺度融合。通过这些修改，我们能够在保持快速检测速度的同时，显著提高裂纹检测的准确性。
贡献:
(1)针对不 同尺度的裂缝图像识别问题，利用大小为1000 × 1000和3000 × 3000的裂缝图像数据集对网络进行训练，帮助模型充分学习不同尺度裂缝的特征。对图像进行不同曝光和噪声处理，使网络能够适应不同环境下的实时检测。
(2)针对裂缝 识别精度问题，我们将自关注机构模块从Swin Transformer中提取到 self-research模块(Myswin)中，