基于改进YOLOv8的轻量化道路病害检测方法

作     者：胥铁峰 黄河 张红民 牛晓富 XU Tiefeng;HUANG He;ZHANG Hongmin;NIU Xiaofu

作者机构：重庆理工大学电气与电子工程学院重庆400054 招商局重庆交通科研设计院有限公司重庆400000 

基　　金：国家重点研发计划(2022YFC3002603) 国家自然科学基金(61901068) 重庆市自然科学基金面上项目(cstc2021 jcyjmsxmX0525) 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2024年第60卷第14期

页      码：175-186页

摘      要：针对复杂场景下道路病害检测模型占用内存空间大、计算复杂度高和检测速度难以满足实时目标检测要求等问题,提出一种面向复杂自然场景的轻量级道路病害检测模型DGE-YOLO-P。将网络中的C2f融合可变形卷积设计C2f_DCNv3模块增强对物体形变的建模能力,并对输入特征信息进行降维处理,有效降低模型参数量和计算复杂度。设计GS-Decoupled head检测模块,降低检测头参数的同时实现全局信息的有效聚合。同时,设计E-Slide Loss权重函数,为困难样本分配更高权重,充分学习道路病害中的难样本数据,进一步提高模型检测精度。采用通道剪枝减少模型冗余通道,有效压缩模型体积并提高检测速度。实验结果表明,DGE-YOLO-P模型相较于YOLOv8n模型mAP提高2.4个百分点,而模型参数量、计算量和模型大小分别降低58.1%、66.7%和55.5%。检测速度FPS由34帧/s提高到51帧/s。

主 题 词：道路病害检测 复杂场景 YOLOv8n 轻量化 模型剪枝 

学科分类：1305[艺术学-设计学类] 13[艺术学] 08[工学] 081104[081104] 0804[工学-材料学] 081101[081101] 0811[工学-水利类] 

核心收录：

D　O　I：10.3778/j.issn.1002-8331.2402-0243

馆 藏 号：203128736...