基于改进YOLOv8的道路缺陷检测

摘要

针对道路缺陷小目标在复杂背景下检测精度低、漏检误检率高、泛化能力欠佳的问题，提出了一种改进YOLOv8的道路缺陷检测算法SGBNet。首先，Neck部分用加权双向特征金字塔网络（Bi-directional Feature Pyramid Network, BiFPN）替换PANet，提升模型的特征融合能力；其次，Neck引入全局注意力机制（Global Attention Machanism, GAM），在特征融合阶段进行注意力调整，提高检测精度；最后，添加小目标检测层，进一步增强深层语义信息与浅层语义信息的结合，提高对道路缺陷小目标的检测能力。与原始YOLOv8n算法相比，算法SGBNet的精确率、召回率和平均精度分别提升了3.3%, 2.5%和2.5%，实现了对道路缺陷更精准的检测。

关键词

道路缺陷检测 / 双向特征金字塔网络(BiFPN) / 全局注意力机制(GAM) / 小目标检测层