基于改进YOLOv8的道路病害检测算法
郜潘栓1
姬厚灵1
徐明升1
张乐2
李刚1
陈琳1
1.长江大学 计算机科学学院,湖北 荆州 4340232.中国石油集团测井有限公司,西安 710299
摘要：为解决当前道路病害检测算法在复杂背景下检测精确性较低、泛化能力欠佳、小目标易漏检等问题,提出基于改进YOLOv8的道路病害检测算法.首先,在骨干网络层加入坐标注意力机制(Coordinate Attention,CA),通过引入坐标信息,使模型能够更好地理解不同位置之间的关系,从而增强在复杂背景下的特征判断能力;其次,在颈部网络层采用加权双向特征金字塔网络(Bi-directional Feature Pyramid Network,BiFPN)替换路径聚合网络(Path Aggregation Network,PA-Net),通过引入双向连接和可学习权重,允许信息在不同分辨率级别之间双向传播,使低层特征的位置信息和高层特征的语义信息能够更好地融合,增强多尺度特征表达能力;最后,引入小目标特征图,以更准确地捕捉小目标的特征信息,减少对小目标的漏检情况,从而提高检测精度.实验结果表明:在RDD2022道路病害数据集上,改进后算法较改进前算法的平均精度均值提升3.1%,模型参数量减少2.3%,实现了对道路病害更精准、快速的检测.
关键词：道路病害检测注意力机制特征融合小目标检测YOLOv8
分类号：TP391.4(计算技术、计算机技术)
论文发表日期：2025-12-30
在线出版日期：2026-02-02（本平台首次上网日期，不代表文献的发表时间）
页数：9( 147-155 )
英文信息