计算机应用

作者：龙伍丹, 彭博, 胡节, 申颖, 丁丹妮

单位：1.西南交通大学 计算机与人工智能学院, 成都 611756；2.可持续城市交通智能化教育部工程研究中心(西南交通大学), 成都 611756；3.成都信息工程大学 计算机学院, 成都 610225

关键词：道路病害检测,加强特征提取,YOLOv7-tiny,小目标,类别数量不平衡

基金：四川省自然科学基金资助项目(2022NSFSC0502);四川省科技计划项目(2023YFG0354);四川省科技创新苗子工程培育项目(MZGC20230077)

针对道路病害区域小、类别数量不均衡导致检测困难的问题，提出基于YOLOv7-tiny的道路病害检测算法RDD-YOLO。首先，采用K-means++算法得到拟合目标尺寸更好的锚框。其次，在小目标检测支路上使用量化感知重参数化模块（QARepVGG），增强浅层特征提取，同时构建加强注意力模块（AM-CBAM）嵌入颈部的3个输入，抑制复杂背景干扰。然后，设计特征融合模块（Res-RFB），模拟人眼扩大感受野融合多尺度信息，提高表征能力；另外，构造轻量级解耦头（S-DeHead）提高小目标检测精确率。最后，采用归一化Wasserstein距离度量（NWD）优化小目标定位过程，并缓解样本不均衡问题。实验结果表明，与YOLOv7-tiny相比，RDD-YOLO算法在仅增加0.71×106参数量和1.7 GFLOPs计算量的成本下，mAP50提高6.19个百分点，F1-Score提高5.31个百分点，并且检测速度达到135.26 frame/s，满足道路养护工作中对检测精度和速度的需求。

来源：2024年第7期

《计算机应用》期刊编辑部

查看计算机应用杂志2024年第7期