文档名：改进YOLOv8的路面病害检测模型
摘要：针对路面病害检测存在的病害尺度差异大、细小病害特征提取难、病害在图像中占比小等问题,提出一种基于改进YOLOv8的路面病害检测方法.以YOLOv8s网络结构为基础,通过引入通道注意力机制和无跨步卷积网络结构,构建了一种无信息丢失的下采样网络模块,在剔除背景冗余信息的同时更多地保留了病害纹理特征;通过构建基于PANet的多尺度自适应特征融合网络,增强了网络浅层特征捕获能力,实现了不同尺度特征信息的高效融合;采用FocalLoss损失函数,对各样本赋予对应的权重,缓解了正负样本不平衡问题.实验表明:所提方法在RDD2020和RDD2022数据集上的平均精度分别达到57.1％和52.8％,与YOLOv8s模型相比分别提升3.2和0.6个百分点,整体性能优于YOLOv5等其他检测网络.
Abstract：Toovercomebigdifferencesinpavementdamagescale,difficultiesinfeatureextractionofsmalldamageandthesmallproportionofdefectsinimagesinpavementdiseasedetection,thispaperproposesapavementdamagedetectionmethodbasedonimprovedYOLOv8.First,basedontheYOLOv8snetworkstructure,adown-samplingnetworkmodulewithoutinformationlossisbuiltbyintroducingthechannelattentionmechanismandthenostepconvolutionalnetworkstructure,removingthebackgroundredundantinformationandretainingmorepavementdiseasetexturefeatures.Second,theabilityofthenetworktocaptureshallowfeaturesisenhancedbybuildingamulti-scaleadaptivefeaturefusionnetworkbasedonPANet,andtheefficientfusionoffeatureinformationatdifferentscalesisrealized.Finally,theFocalLossfunctionisemployedtoassigncorrespondingweightstoeachsample,whichalleviatestheimbalancebetweenthepositiveandnegativesamples.Ourexperimentsshowtheproposedmethodachievesanaverageprecisionof57.1％and52.8％ontheRDD2020andRDD2022datasets,upby3.2and0.6percentagepointsrespectivelycomparedwiththoseoftheYOLOv8smodel,anditperformsbetterthanotherdetectionnetworkssuchasYOLOv5.
作者：邓天民 李亚楠 李庆营 李宇航 王含笑 Author：DENGTianmin LIYanan LIQingying LIYuhang WANGHanxiao
作者单位：重庆交通大学交通运输学院,重庆400074山东高速工程检测有限公司,济南250000
刊名：重庆理工大学学报 PKU
Journal：JournalofChongqingInstituteofTechnology
年，卷(期)：2024, 38(7)
分类号：U418.6TP391.41
关键词：路面病害检测 多尺度特征融合 无跨步卷积网络 ASFF
Keywords：pavementdamagedetection multi-scalefeaturefusion nostepconvolutionalnetworkstructure ASFF
机标分类号：TP391TN925.93U461.2
在线出版日期：2024年6月24日
基金项目：重庆市技术创新与应用发展项目，重庆市技术创新与应用发展项目，山东省交通运输科技计划项目改进YOLOv8的路面病害检测模型[
期刊论文] 重庆理工大学学报--2024, 38(7)邓天民 李亚楠 李庆营 李宇航 王含笑针对路面病害检测存在的病害尺度差异大、细小病害特征提取难、病害在图像中占比小等问题,提出一种基于改进YOLOv8的路面病害检测方法.以YOLOv8s网络结构为基础,通过引入通道注意力机制和无跨步卷积网络结构,构建了一种无...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
改进YOLOv8的路面病害检测模型 Pavement damage detection model for improved YOLOv8
改进YOLOv8的路面病害检测模型.pdf
- 文件大小:
- 3.94 MB
- 下载次数:
- 60
-
高速下载
|
|
