改进YOLOv8的道路凹陷检测算法

摘要

针对现有的道路凹陷检测算法中检测速度慢，很难应用于汽车车载移动设备的问题，提出一种改进YOLOv8的轻量型道路凹陷检测算法YOLOv8-CAG。将YOLOv8的主干网络第二层之后的普通卷积替换成Ghost Conv,通过低廉的线性变换，有效减少了模型的参数量。在neck中的C2f模块中引入CA注意力机制，在降低整体模型参数量和浮点运算量的同时，强化特征提取能力，减少无关特征的影响。在YOLOv8中运用C2f-GS模块，减少网络结构的复杂性，进一步提升检测精度。实验结果表明：在道路凹陷的数据集上，改进算法与原算法相比，检测精度提高了1%,模型参数量与计算量分别下降了16%和11%,并通过与其他算法的性能比较，验证了改进算法的实用性。

关键词

道路凹陷检测 / YOLOv8 / Ghost卷积 / 注意力机制 / C2f-GS模块