一种基于改进YOLOv8的道路路面缺陷检测算法

本发明属于深度学习目标检测技术领域，提出一种基于改进YOLOv8的道路路面缺陷检测算法。在路面缺陷检测任务中存在背景复杂、病害目标小、种类间差异和相似等问题，同时为降低模型对硬件资源条件的限制，设计了一种检测精度和轻量化相均衡的道路路面缺陷检测模型。首先在在目标检测算法YOLOv8的主干网络中引入CA注意力机制，旨在将位置信息融入通道注意力中。其次引入可变形卷积来适应目标对象形状、大小、位置和方向等不一致的问题，增加网络对病害特征提取的能力。采用WIoU作为预测框回归过程中的损失函数，提高模型的收敛速度和回归精度。改进后的模型不仅可以提高对图像的检测精度，同时也能使模型减少对硬件条件的限制。