基于增强多尺度融合YOLOv8的道路病害检测算法

来源：计算机技术与发展杂志2024年第11期北京时间：

作者：高雪豪;吴建平;韦杰;何旭鑫;余咏

摘要：在资源有限的户外,针对道路病害检测精准度和实时性不高的问题,提出一种多尺度融合的 YOLOv8 的道路病害检测算法。 在主干网络中使用 C2iAFF 多尺度特征融合模块,缓解背景特征与目标特征之间分辨难的问题,提高对细长裂痕目标的检测能力;构造特征融合模块 RFB3×3,对多尺度目标特征信息进行聚合提取,提高特征的表达能力;加入通道注意力机制 SE,让模型学习重要的特征,提高模型的精准度;最后采用更优的归一化 Wasserstein 距离度量损失函数,使用NWD 帮助小尺寸检测物体定位。 实验结果表明,改进后的道路病害检测模型在仅增加 0. 3M 参数量和 0. 4GFLOPs 计算量的情况下,mAP50 提高了 2. 4 百分点,F1-Score 提高了 2. 4 百分点,达到了道路养护工作要求的检测精度和速度。

关键词：道路病害检测;目标检测;YOLOv8;多尺度融合;注意力机制