计算机工程

作者：马荣贵, 黄训燕, 董世浩

单位：长安大学信息工程学院, 陕西 西安 710068

关键词：坑槽检测,可变形卷积,压缩和激励模块,双向特征金字塔网络,Focal-EIoU损失函数

基金：国家重点研发计划(2021YFB1600104); 2020年度陕西省交通运输厅科研项目(20-24K, 20-25X)

针对道路坑槽检测中存在坑槽大小不同、形状不规则导致的特征提取不完全及图像拍摄不满足道路检测车的视角问题, 收集并制作不同来源、视角和像素分辨率的坑槽数据集, 并对模型进行改进。首先在Backbone部分的C2f结构中引入DCNv3, 以获取更丰富完整的坑槽特征; 其次融合压缩和激励(SE)模块的注意力机制, 以提高对坑槽特征的提取能力; 然后在Neck部分融合双向特征金字塔网络(BiFPN)结构, 降低网络的计算量; 最后使用Focal-EIoU作为改进模型的损失函数, 降低复杂背景对网络检测性能的影响。改进后的YOLOv8-master网络相较于未改进前的网络, 坑槽检测精度提高了4.06%, 检测速度提高了85帧/s, 浮点运算量降低了19.54%。结果表明, 所提出的改进方法能有效提高原网络检测坑槽的性能, 相比目前主流的目标检测算法, 具有一定的先进性。

来源：2025年第11期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第11期