-
题名基于注意力机制的多尺度道路损伤检测算法研究
被引量：3
- 1
-
-
作者
武兵
田莹
-
机构
辽宁科技大学计算机与软件工程学院
-
出处
《图学学报》
CSCD
北大核心
2024年第4期770-778,共9页
-
基金
国家自然科学基金资助项目(62072086)
辽宁省教育厅资助项目(LJKM20220646)。
-
文摘
路损伤检测是道路养护与修复的一项重要任务。现有的道路损伤检测方式以传统的人工检测为主,人工检测需要投入大量的人力和物力,检测效率低,无法适应当前道路发展的需求。进而提出了一种改进的多尺度道路损伤检测算法YOLOv8-RDD。首先,YOLOv8-RDD算法在C2f模块中使用可变形卷积(DCN)建了全新的C2f_DCN模块,扩大感受野的有效范围,更准确地定位目标对象的边界和位置,有助于提升对目标的识别和定位能力;其次,网络末端设计了全新的SPPF_GS模块,在SPPF模块中引入了自注意力机制(SA)和幻影卷积Ghost模块,并重新优化了池化核的大小,更好的处理长距离依赖性和捕获全局信息;最后,在Neck中引入坐标注意力机制(CA),强化模型的特征提取能力,减少冗余信息。实验结果表明,改进后的算法在RDD2022数据集上面的精确度(Precision)为61.1%、召回率(Recall)为55.5%,平均精度(mAP)为56.2%,相较于YOLOv8n算法分别提高了4.6%、4.7%和5.2%,在道路损伤的目标检测上取得了优异的效果。
-
关键词
道路损伤检测
YOLOv8
可变形卷积
注意力机制
Ghost模块
-
Keywords
road damage detection
YOLOv8
deformable convolutional networks
attention mechanism
Ghost module
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
TP18
[自动化与计算机技术—控制理论与控制工程]
U418
[交通运输工程—道路与铁道工程]
-
-
题名改进YOLOv8的道路损伤检测算法
被引量：57
- 2
-
-
作者
李松
史涛
井方科
-
机构
华北理工大学电气工程学院
天津理工大学电气工程与自动化学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2023年第23期165-174,共10页
-
基金
国家自然科学基金(61203343)
河北省自然科学基金(F2018209289)。
-
文摘
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2.8×10^(6),计算量仅为7.3×10^(9),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。
-
关键词
道路损伤检测
深度学习
YOLOv8
注意力机制
TRANSFORMER
-
Keywords
road damage detection
deep learning
YOLOv8
attention mechanism
Transformer
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
