科研之友
微信
新浪微博
Facebook
分享链接
摘要
道路损伤检测是保障道路安全、实现道路损伤及时修复的一项重要任务。针对现有的道路损伤检测算法中检测效率低、成本高昂、难以应用于移动终端设备问题，提出了一种改进YOLOv8的轻量型道路损伤检测算法YOLOv8-Road Damage(YOLOv8-RD)。结合CNN和Transformer的优势，提出了一种能够提取道路损伤图像全局特征信息和局部特征信息的BOT模块，以适应裂纹对象的大跨度与细长特征。在骨干网络末端和颈部网络中引入坐标注意力机制(coordinate attention,CA)，将位置信息嵌入到通道注意力中，强化特征提取能力，并抑制无关特征的干扰。在YOLOv8颈部网络中使用C2fGhost模块，以减少特征通道融合过程中的浮点运算量，降低模型参数量，同时提高特征表达性能。实验结果表明，在RDD2022数据集和Road Damage数据集上，改进算法与原算法相比mAP50分别提高了2个百分点和3.7个百分点，而模型参数量仅为2.8×106，计算量仅为7.3×109，分别降低了6.7%和8.5%。算法检测速度达到88 FPS，能够实时准确检测道路损伤目标。通过与其他主流目标检测算法比较，验证了该方法的有效性和优越性。
