-
题名基于改进YOLOv8的轻量化道路病害检测方法
- 1
-
-
作者
胥铁峰
黄河
张红民
牛晓富
-
机构
重庆理工大学电气与电子工程学院
招商局重庆交通科研设计院有限公司
-
出处
《计算机工程与应用》
CSCD
北大核心
2024年第14期175-186,共12页
-
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)。
-
文摘
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。
-
关键词
道路病害检测
复杂场景
YOLOv8n
轻量化
模型剪枝
-
Keywords
road damage detection
complex scene
YOLOv8n
lightweight
model pruning
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-