基于改进YOLOv8的轻量化道路病害检测方法

来源：计算机工程与应用杂志2024年第14期北京时间：

作者：胥铁峰, 黄河, 张红民, 牛晓富

单位：1.重庆理工大学 电气与电子工程学院，重庆 400054 ；2.招商局重庆交通科研设计院有限公司，重庆 400000

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。

关键词：道路病害检测,复杂场景,YOLOv8n,轻量化,模型剪枝