改进YOLOv8的汽车表面伤损实例分割模型

来源：计算机工程与应用杂志2024年第14期北京时间：

作者：谭旭, 赵骥

单位：辽宁科技大学 计算机与软件工程学院，辽宁 鞍山 114051

摘要：针对人工定损方式无法满足智能汽车时代的发展要求，及传统汽车伤损检测模型精度低、信息少、难部署等问题，提出了改进YOLOv8的汽车伤损实例分割模型EIS-YOLO。在主干网络中设计了一个多尺度特征融合与通道数减小的CRDB模块，取代传统C2f模块，显著减少了参数量的同时提高了特征融合的能力；提出了保留高分辨率分支的HRFPN结构，以加强细节信息保留能力，增强细节与语义信息的交换，该结构通过AFF和BiAM注意力融合模块增强了深层传递，经由简化冗余连接的E-FPN完成特征融合。还增加了一个额外的输出头捕捉细小伤损，提高了模型对小目标伤损及伤损边缘的精确识别。在CarDD数据集上，主干网络部分提出的CRDB模块对比C2f模块实现了同架构下计算量减小20.15%，同时多任务平均准确率提升2个百分点，在此基础上，结合HRFPN结构与额外输出头设计的模型整体的准确率[PB]、[PM]相较于基准模型分别提升了4.4和6.6个百分点，且模型更轻量，计算复杂度更低。

关键词：汽车伤损检测,YOLO-Seg,注意力机制,多尺度特征融合,CarDD汽车伤损数据