来源：期刊VIP网 时间：
作者：朱振祥;高国华;段美栋;郭桂宏;刘朝晖;赵全满;
单位：山东高速股份有限公司;山东高速工程检测有限公司;山东建筑大学交通工程学院;
摘要：YOLOV7用于路面病害检测存在参数冗余、检测效率较低、模型体量过大等问题.为了解决上述问题，利用MobileOne网络代替原有主干特征提取网络，引入轻量坐标注意力模块Coordinate Attention(CA)到网络中，提出了基于GSConv的YOLOV7 Slim-Neck,并通过重参数思想融合模型运算过程，使用Focal-EIoU Loss替代CIoU Loss以解决样本分类不均衡的问题.研究结果表明：引入Focal-EIoU Loss后能够平衡样本的不均匀性，加快模型的收敛；MobileOne网络在减少模型参数的同时提高了模型的精度；CA模块加强了模型的特征提取能力；Slim-Neck在保证学习能力的同时，大幅减少模型参数；相较于传统的YOLOV7架构，所提出的模型参数量减少了78%,图像处理速度是原来的3倍，m_(AP)性能指标上升1.71%,F分数上升0.022.该轻量化模型便于移动平台部署，具有明显的工程应用优势.
关键词：路面工程;;路面病害;;目标检测;;YOLOV7;;轻量化;;注意力机制;;损失函数
基金资助：山东省自然科学基金项目（ZR2018BEE039）;; 2020年山东高速路面养护科学决策体系与大数据可视化智能管理平台研发项目（HSB2020201）;; 山东建筑大学研究生教育质量提升计划项目（YZK231313）
