基于改进YOLOv8模型的路面病害检测方法
申请人信息
- 申请人:南京航空航天大学
- 申请人地址:213300 江苏省常州市溧阳市滨河东路29号
- 发明人: 南京航空航天大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于改进YOLOv8模型的路面病害检测方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410021694.0 |
| 申请日 | 2024/1/5 |
| 公告号 | CN117788950A |
| 公开日 | 2024/3/29 |
| IPC主分类号 | G06V10/764 |
| 权利人 | 南京航空航天大学 |
| 发明人 | 林思媛; 吴一全 |
| 地址 | 江苏省南京市秦淮区御道街29号 |
摘要文本
本发明公开了一种基于改进YOLOv8模型的路面病害检测方法，首先获取路面病害图像数据集并将其划分为训练集、验证集和测试集；然后构建引入可变形卷积和感受野注意力机制的改进的YOLOv8模型；接着基于训练集、验证集和测试集对所述改进的YOLOv8模型进行训练，得到训练后的改进YOLOv8模型；最后将待检测的路面病害图像输入至训练后的改进YOLOv8模型进行识别，获得检测结果。本发明引入了可变形卷积，能够自适应调整适应不规则的病害形状，更好地捕捉局部特征；同时加入了感受野注意力机制，能够增强神经网络的感受野、适应不同尺度大小的路面病害检测并克服复杂背景的干扰。
专利主权项内容
1.基于改进YOLOv8模型的路面病害检测方法，其特征在于，包括以下步骤：步骤1)，获取路面病害图像数据集并将其划分为训练集、验证集和测试集；步骤2)，构建引入可变形卷积和感受野注意力机制的改进的YOLOv8模型；步骤2.1)， 构建C2f_dcnv2模块；所述C2f_dcnv2模块包含第一至第二Conv模块、Split模块、第一至第三Bottleneck_dcnv2模块；所述第一至第三Bottleneck_dcnv2模块结构相同，均包含依次相连的第三Conv模块、可变形卷积层DCNv2、批量归一化层、SiLU激活函数层，其中，第三Conv模块的输入端接外界输入，第三Conv模块的输入端、SiLU激活函数层的输出端作相加操作后作为输出；所述第一Conv模块、Split模块、第一Bottleneck_dcnv2模块、第二Bottleneck_dcnv2模块、第三Bottleneck_dcnv2模块依次相连，第一Conv模块的输入端作为C2f_dcnv2模块的输入端，Split模块的输出端、第一Bottleneck_dcnv2模块的输出端、第二Bottleneck_dcnv2模块的输出端、第三Bottleneck_dcnv2模块的输出端按通道拼接后输入至第二Conv模块的输入端，第二Conv模块的输出端作为C2f_dcnv2模块的输出端；步骤2.2)，对于YOLOv8模型的头部网络，将所有的C2f模块替换成C2f_dcnv2模块，得到引入可变形卷积的YOLOv8模型；步骤2.3)， 对于引入可变形卷积的YOLOv8模型的主干网络，将除第一个Conv模块以外的所有Conv模块替换成感受野注意力卷积模块RFAConv，得到改进的YOLOv8模型；步骤3)，基于训练集、验证集和测试集对所述改进的YOLOv8模型进行训练，得到训练后的改进YOLOv8模型；步骤4)，将待检测的路面病害图像输入至训练后的改进YOLOv8模型进行识别，获得检测结果。