改进YOLOv8的道路凹陷检测算法

针对现有的道路凹陷检测算法中检测速度慢,很难应用于汽车车载移动设备的问题,提出一种改进YOLOv8的轻量型道路凹陷检测算法YOLOv8-CAG。将YOLOv8的主干网络第二层之后的普通卷积替换成Ghost Conv,通过低廉的线性变换,有效减少了模型的参数量。在neck中的C2f模块中引入CA注意力机制,在降低整体模型参数量和浮点运算量的同时,强化特征提取能力,减少无关特征的影响。在YOLOv8中运用C2f-GS模块,减少网络结构的复杂性,进一步提升检测精度。实验结果表明:在道路凹陷的数据集上,改进算法与原算法相比,检测精度提高了1%,模型参数量与计算量分别下降了16%和11%,并通过与其他算法的性能比较,验证了改进算法的实用性。