来源：期刊VIP网 时间：
作者：张强;杜海强;赵伟康;崔冬;
单位：河北工程大学信息与电气工程学院;
摘要：道路病害检测对于确保道路的安全性和可持续性至关重要，对城市和社会的发展具有积极作用。为提高目前道路病害检测模型的性能，文中提出一种基于改进YOLOv8的道路病害检测算法。设计一种新型高效的特征融合模块（DWS），提高模型获取特征信息和全局上下文信息的能力；提出将ECABlock、LeakyReLU激活函数与卷积相结合的新模块ELConv来提高深层网络对目标的定位能力；另外，使用Dynamic Head检测头替换原始YOLOv8的头部，结合尺度、空间和任务三种注意力机制提升模型头部表征能力；最后，采用WIoU损失函数代替原损失函数来改善边界框精确度和匹配度。相比基线模型，改进模型在road damage detection数据集和RDD2022＿Japan数据集上都得到了有效的验证，表明改进模型满足当下道路病害检测的需求，展示了高灵活性、准确性和效率。
关键词：道路病害检测;;深度学习;;YOLOv8;;特征融合;;激活函数;;Dynamic Head;;WIoU损失函数
基金资助：河北省自然科学基金项目（F2023402011）
