融合混合注意力与检测头的道路障碍物检测

李玉娟; 葛动元; 姚锡凡; 周浩伟

doi:10.12404/j.issn.1671-1815.2500190

科学技术与工程 ›› 2026, Vol. 26 ›› Issue (1) :253-261 DOI: 10.12404/j.issn.1671-1815.2500190

自动化技术、计算机技术

融合混合注意力与检测头的道路障碍物检测

李玉娟 ¹ ,
葛动元 ¹^,^* ,
姚锡凡 ² ,
周浩伟 ¹

作者信息 +

Fusion of Hybrid Attention and Detection Head for Road Obstacle Detection

Author information +

文章历史 +

摘要

针对车辆在行驶道路上出现的障碍物目标重叠、尺度特征不一且易与背景混淆导致漏检误检率高、检测精度低等问题,提出障碍物检测算法ADMH-YOLOv8。以YOLOv8框架为基础,首先,使用可改变核卷积改进特征提取网络部分标准卷积层以提高特征提取能力;其次,结合空洞卷积改进动态上采样算子(dynamic sampling,DySample)替代固定上采样提升特征融合的有效性;再次,引入改进的融合多尺度特征的混合式注意力模块,减少上采样过程中信息的丢失,增强对重要区域的感知能力;最后,设计参数共享检测头(parameter sharing detection head,PSDH),降低参数量。实验结果表明,ADMH-YOLO算法的综合性能较优,平均精度为93.8%,相比基线算法提高了2.0%,障碍物识别精度高,适用于道路上障碍物检测任务。

Abstract

For the issues of overlapping obstacle targets on driving roads, inconsistent scale characteristics, and high misdetection rates due to easy confusion with the background leading to low detection accuracy, an obstacle detection algorithm ADMH-YOLOv8 was proposed. Based on the YOLOv8 framework, firstly, a variable kernel convolution was used to improve the feature extraction network’s standard convolutional layers to enhance its feature extraction capability. Secondly, combining dilated convolution to improve the dynamic sampling operator (DySample) instead of fixed upsampling enhances the effectiveness of feature fusion. Again, an improved hybrid attention module that integrates multi-scale features was introduced to reduce information loss during upsampling and enhance the perception ability of important regions. Finally, a parameter sharing detection head (PSDH) was designed to reduce the number of parameters. The experimental results show that the ADMH-YOLO algorithm has excellent comprehensive performance, with an average accuracy of 93.8%, which is 2.0% higher than the baseline algorithm. It has high obstacle recognition accuracy and is suitable for obstacle detection tasks on roads.

Graphical abstract

关键词

道路障碍物 / 可改变核卷积 / 动态上采样 / 混合式注意力模块 / 参数共享检测头

Key words

road obstacles / changeable kernel convolution / dynamic sampling / hybrid attention module / parameter sharing detection head

引用本文

引用格式 ▾

李玉娟, 葛动元, 姚锡凡, 周浩伟. 融合混合注意力与检测头的道路障碍物检测[J]. 科学技术与工程, 2026, 26(1): 253-261 DOI:10.12404/j.issn.1671-1815.2500190

LI Yu-juan, GE Dong-yuan, YAO Xi-fan, ZHOU Hao-wei. Fusion of Hybrid Attention and Detection Head for Road Obstacle Detection[J]. Science Technology and Engineering, 2026, 26(1): 253-261 DOI:10.12404/j.issn.1671-1815.2500190

登录浏览全文

4963

注册一个新账户忘记密码

根据世界卫生组织发布的《2023年全球道路安全状况报告》,2021年全球道路交通事故死亡人数达119万人,相当于每日超过3 200人丧生,同时每年造成约5 000万人受伤^[1]。这些数据表明,道路安全仍是当前全球公共卫生领域亟待解决的紧迫问题。其中,车辆在行驶道路上出现的障碍物是影响道路安全的重要因素之一。广义而言,车辆行驶过程中可能造成阻碍的任何物体都可视为障碍物^[2],都属于障碍物范畴,都有可能影响交通安全。如何快速、准确地识别这些障碍物,使驾驶员或自动驾驶系统能够及时做出反应,对于提升全球道路安全水平具有至关重要的意义。

近年来,人工智能研究日趋成熟,基于深度学习的目标检测算法因具有高精度的特点,成为重要的障碍物检测工具之一^[3]。现阶段目标检测算法分为单阶段检测和两阶段检测两种方法,two-stage算法需要生成候选框,再进行分类,包括R-CNN^[4]、Fast R-CNN^[5]和Faster R-CNN^[6]等。Kortmann等^[7]使用Faster R-CNN在道路裂缝和坑洞的数据集上训练实现了道路损伤的自动化检测,Cha等^[8]开发了基于Faster R-CNN 的检测算法,用于检测混凝土路面的病害,但其检测速度不能满足实时检测的需求。one-stage算法包括SSD(single shot multibox detector)^[9]、RetinaNet^[10]和YOLO(you only look once)^[11-20]等,此方法不需像两阶段方法一样先生成候选框,而是直接将定位问题转化为回归问题进行分析,因而在精度,速度上有一定的优势。王浩东等^[21]针对车辆识别交通锥问题,基于YOLOv4算法结合深度相机和彩色相机,采用欧氏距离匹配提高了交通锥识别的准确率;许洁^[22]将裂缝、坑洼和凹陷作为相关类别,提出了改进YOLOX的检测方法,实现了路面质量的准确高效评估;倪昌双^[23]使用K-means++聚类算法和F-ReLU激活函数对YOLOv7进行优化并运用于沥青路缺陷检测中,提升了精度和定位准确性,解决了传统卷积网络检测精度低、定位不准的问题。宣以国等^[24]使用可变形卷积替换原YOLOv7中特征提取网络里的卷积和新的度量标准对小目标进行检测评估,减少了在道路实时检测中存在的漏检、误检问题;Li等^[25]提出基于改进ML-YOLO 算法的道路缺陷识别和定位方法,优化卷积层和空间金字塔池化网络,并引入卷积块注意力机制,显著提升了道路缺陷检测的精度。

由其他研究人员的成果可以发现,基于目标检测方法的障碍物识别在实际应用中已经取得了一些进展,但其依旧存在一些难点,归纳为如下3个方面:在复杂路况下,仍然存在障碍物易与背景混淆导致检测精度低的问题;复杂场景中的目标仍易出现漏检;坑洞形状变化较大,增加了检测难度。

针对上述问题,现选择应用场景最广泛的YOLOv8算法作为基线模型。在YOLOv8的基础上,提出改进模型ADMH-YOLOv8,在构建的数据集中进行训练以实现对道路障碍物的精准识别。

1 YOLOv8算法

在YOLOv8的组成中,Input用于对输入图像预处理;Backbone通过一系列卷积和池化操作,逐层提取输入图像的特征,包括Conv模块、C2f模块、SPPF(spatial pyramid pooling-fast)模块,骨干网络采用CSPNet(cross stage partial network)结构,CSPNet部分的设计将网络分为两个路径:一个路径保留原始信息,另一个路径进行跨层特征交互。Neck中采用了PAN-FPN(path aggregation network-feature pyramid network)的思想,但在结构上删除了YOLOv5中PAN-FPN上采样阶段中的卷积结构,并将C3模块替换为C2f模块,C2f模块具有更少的参数量和更优秀的特征提取能力。Head采用了Decoupled-Head(解耦头)的思想,将回归分支和预测分支进行分离。解耦检测头将分类与回归进行解耦,将其拆分为两个独立的分支。摒弃了Anchor-Based的方案,采用了Anchor-Free的思想,并使用了DFL Loss和CIOU Loss作为回归损失函数,进一步提高了目标检测的精度。

2 ADMH-YOLOv8算法

2.1 AKConv卷积模块

标准卷积模块的卷积核为k×k,是固定的正方形形状,固定的采样范围使其无法获取范围以外的信息,且参数量随着卷积核尺寸增大呈平方趋势增长。这在检测数据集中形状不规则、大小和视角变化多样的目标时存在局限性,难以适应变化的目标。

在主干网络中引入可改变核卷积AKConv,该卷积拥有灵活的参数数量^[26],根据实际需求能够调整其大小和形状从而有效适应目标变化,其中的初始采样坐标算法,可以为不同大小的卷积核生成初始采样坐标,进一步增强其处理各种大小目标的灵活性;为了适应不同的目标变化,AKConv通过获取的偏移量来调整不规则卷积核的采样位置,同时允许动态扩展卷积参数,有利于提高特征提取的准确性和减少模型参数和计算开销。卷积核大小为3的AKConv结构图如图1所示。

首先通过为不同大小的卷积核生成初始采样形状(C,H,W),基于初始采样位置,通过卷积操作生成偏移量,用于调整采样点的形状(B,2N,H,W),其中B为批次大小,N为卷积核的参数数量,H和W分别为特征图的高度和宽度。重采样后的采样形状对特征图进行重采样,调整后的特征图经过重塑、卷积、归一化,通过激活函数SiLU输出最终结果。与原始采样形状相比,AKConv根据偏移量动态调整采样形状,更好地提取全局特征。

2.2 D-DySample上采样模块

YOLOv8n使用的上采样器是最近邻插值,其遵循固定的方式差值上采样,无法根据特征图自适应的选择合适的采样点,对于所研究的检测对象来说,容易造成信息丢失的问题。

DySample根据输入特征图的内容,通过学习偏移量动态调整上采样的每个点,重新定义上采样过程^[27],更好地保留和重建特征图中的细节信息,更准确地定位和识别障碍物,提高模型性能。结构如图2和图3所示,主要包括采样点生成器和网格采样块S。采样点生成器通过结合线性层,静态和动态范围因子和pixel shuffle子像素卷积生成偏移量O,图2为使用静态范围因子的DySample动态上采样结构;图3为使用动态范围因子的DySample动态上采样结构。

首先为输入特征图C×H×W通过采样点生成器转化为采样集S,然后使用网格采样函数,对输入X进行双线性插值采样,生成最终的上采样特征图X'。过程如式(1)所示。

(1)X'=grid_sample(X,S)

式(1)中:X'为上采样后的特征图;S为采样集,由原始采样网格G和偏移量O相加得到,如式(2)所示。

(2)S=O+G

静态范围因子通过控制局部采样位置的移动范围,减少采样位置之间的重叠。这一因子通过乘以一个小于1的数值来实现。

(3)O=0.25linear(X)

式(3)中:O为偏移量;X为输入特征图;0.25为静态范围因子;linear(·)为线性层的输出。

动态范围因子通过sigmoid函数和静态因子的组合生成,为每个上采样点提供自适应的偏移量范围。

(4)O=0.5sigmoid[linear₁(X)]linear₂(X)

式(4)中:linear₁(·)和linear₂(·)分别为两个线性层的输出。

结合空洞卷积改进DySample替代固定上采样,提升模型在多尺度物体检测中的性能。在D-DySample(dilated-dynamic sampling)中,偏移生成卷积层中时使用dilated_ratio为2的空洞卷积替代普通的卷积,在大小为3×3的卷积核基础上插入空洞,使感受野扩展为5×5。从而在不进行下采样的情况下捕获更大范围的上下文信息。在检测道路上的小型目标或远处物体和大型目标或近处物体时,通过引入空洞卷积扩大感受野,在不降低分辨率的情况下提升模型对多尺度目标和复杂场景的适应能力,提升模型的检测精度。

2.3 M-CBAM注意力模块

CBAM(convolutional block attention module)作为一种混合式注意力模块,可以在众多的输入信息中聚焦于对当前任务更为关键的信息,降低对其他信息的关注度,过滤掉无关信息,其通过串联结合通道注意力机制和空间注意力机制,提高网络的特征提取和表示能力^[28]。给定一个中间特征图F∈R^H^×^W^×^C作为输入,F作为输入经过通道注意力模块输出特征图权值M_c(F)和原始输入图像进行加权特征乘法输出为F',F'经过空间注意力模块权值输出特征图权值M_s(F')和F'进行加权特征图乘法输出,计算过程可以用式(5)、式(6)表示。

(5)F'=M_c(F)􀱋F

(6)F″=M_s(F')􀱋F'

式中:F为输入特征图;M_c(F)为F经过通道注意力模块权值;M_s(F')为F'经过空间注意力模块权值;􀱋表示逐元素乘法。在通道注意力模块中,采用avgpooling平均池化和maxpooling最大池化聚合空间信息,生成空间上下文描述符输入共享多层感知机MLP(multilayer perceptron)产生M_c特征图;在空间注意力模块中,对通道轴应用平均池化(avgpooling)和最大池化(maxpooling)后进行连接(concat)操作,生成特征描述符并对其应用卷积(conv)操作产生M_s特征图。

对CBAM注意力模块进行改进,首先对通道注意力模块进行改进,将SiLU代替其中的ReLU激活函数来处理压缩后的通道信息,使得像素矩阵信息输入为负值时也能进行权重的更新,同时将全连接层由原来的2个增加到3个,加强对特征信息的提取能力;并使用卷积核分别为1、3和5的卷积层替代空间注意力机制模块中原本的最大池化和平均池化,使尺寸为5的卷积核提取更大范围的特征,令尺寸为1的卷积核着重于细节特征的提取。M-CBAM(multi-scale with convolutional block attention module)注意力机制结构如图4所示,其运算公式为

(7)$\begin{aligned} \boldsymbol{M}_{\mathrm{s}}(\boldsymbol{F})= & \sigma\left(f ^ { k \times k } \left\{\left[f^{1 \times 1}(\boldsymbol{F}) ; f^{3 \times 3}(\boldsymbol{F}) ;\right.\right.\right. \\ & \left.\left.\left.f^{5 \times 5}(\boldsymbol{F})\right]\right\}\right) \end{aligned}$

式(7)中:σ为sigmoid激活函数;f^k^×^k为k×k卷积神经网络;F为输入。

2.4 PSDH检测头

YOLOv8的检测头采用解耦头结构,将分类和检测分离,每个分支都有两个3×3的卷积层和一个1×1的卷积层,参数量大幅增加,难以满足资源受限的环境,且原算法单尺度预测结构仅从一个尺度进行预测而忽略了其他尺度特征对检测的贡献。

提出参数共享检测头PSDH,如图5所示。与原检测头相比,PSDH检测头共享细节增强卷积DEConv(detail-enhanced convolution)和1×1卷积层,使用共享细节增强卷积DEConv替代第二个3×3的卷积层,Tian等^[29]提出应用GN(group normalization)能够提高Detect的定位和分类的准确性,将DEConv中CBS卷积模块中的BN(batch normalization)层替换为GN层,实现细节增强和组归一化,使用Scale层对回归分支的输出进行尺度调整适应不同大小的目标。DEConv包含5个卷积层,分别是中心差分卷积(central difference convolution, CDC)、角差卷积(angular difference convolution, ADC)、水平差分卷积(horizontal difference convolution, HDC)、垂直差分卷积(vertical difference convolution, VDC)和原始卷积(vanilla convolution, VC)^[30],如图5所示。差分卷积的核心思想是计算像素差异,CDC通过像素的中心差异来提取中心点的特征信息,ADC对像素的差异能够增强对角方向的表示能力,HDC和VDC则分别在水平方向和垂直方向进行差分,提取对应方向的特征边缘。

2.5 ADMH-YOLOv8网络模型

基于2.1节引入的AKConv模块、2.2节提出的D-DySample模块、2.3节提出的M-CBAM模块和2.4节设计的PSDH检测头,提出改进的ADMH-YOLOv8算法,如图6所示。

3 数据集构建

3.1 数据集组成

数据集中共包含10 336张图像,标注了4类主要障碍物:三脚架、水泥墩、路面锥形桶和地面坑洞。图像来自各大网络平台,由于样本量相对较少,还通过水平翻转增强、垂直翻转增强、镜像对称增强、旋转和高斯加噪等数据增强方法对样本进行了扩充,以增强模型的泛化能力。数据集按照7∶2∶1的比例划分为训练集、验证集和测试集。

3.2 数据集标注

图像标注采用了LabelImg软件,并转换为VOC格式,以便后续用于网络训练和评估。标注内容主要包含目标框的坐标和类别信息,目标框坐标表示障碍物在图像中的具体位置和尺寸,而类别信息则标明了障碍物的类别。类别信息则标明了障碍物的类别。

4 实验与分析

4.1 实验环境

实验在14 vCPU Intel(R) Xeon(R) Gold 6330 CPU,NVIDIA GeForce RTX 3090 GPU, 24 GB显存的服务器上进行,软件部分使用PyCharm集成开发环境,Python3.8编程语言,Pytorch 1.8.1深度学习框架。训练时,输入模型的图像尺寸设置为640×640,训练批次大小(batchsize)为32,训练轮数(epochs)为300轮,初始学习率(learning rate)为0.01,其余参数采用默认值。

4.2 评价指标

采用平均精度均值(mean average pre-sion, mAP)、参数量(paremeters)和浮点运算量(GFLOPs)作为评估指标。mAP代表了对4个类别平均识别精度,值越大,表示模型的精度越好,mAP50是指当交并比IoU阈值等于0.5时,每个类别AP的平均值,mAP50-95是指当IoU阈值为0.5~0.95时,每个类别AP的平均值;较小的参数量意味着模型越小,浮点运算量越少则表示模型的复杂度越低,计算公式如下。

(8)$P=\frac{\mathrm{T}\mathrm{P}}{\mathrm{T}\mathrm{P}+\mathrm{F}\mathrm{P}}$

(9)$R=\frac{\mathrm{T}\mathrm{P}}{\mathrm{T}\mathrm{P}+\mathrm{F}\mathrm{N}}$

(10)$\mathrm{A}\mathrm{P}={\int }_{0}^{1}P\left(R\right)\mathrm{d}R$

(11)$\mathrm{m}\mathrm{A}\mathrm{P}=\frac{1}{n}\stackrel{n}{\sum _{i=0}}\mathrm{A}{\mathrm{P}}_{i}\times 100\%$

式中:P(precision)为准确率;R(recall)为召回率;TP为预测为障碍物,实际也为障碍物的数量;FP为预测为障碍物,实际为无关背景的数量;FN为预测为无关背景,实际为障碍物的数量;AP为某一类别中P和R曲线下的面积;mAP为各类别AP的均值;n为障碍物的总类别数。

4.3 消融实验

ADMH-YOLOv8算法的训练过程图如图7所示,为评估所提出的各种模块对所提出算法性能的影响,以YOLOv8n作为基线算法进行消融实验,结果如表1所示。

由表1可知,分别使用AKConv、D-DySample、M-CBAM和PSDH后,各项评价指标均有不同程度的提升。与基线算法相比,将AKConv和YOLOv8n算法进行融合后,mAP50和mAP50-95分别提升了0.1%和0.3%;将D-DySample和YOLOv8n算法融合后,提升了0.3%和0.4%;将M-CBAM和YOLOv8n算法进行融合后,提升了0.4%和0.4%;使用参数共享检测头后,在降低参数量和计算量的同时,mAP50和mAP50-95分别提升了0.3%和0.2%。

4.4 模型对比实验

为了对所提出的ADMH-YOLOv8算法的综合性能进行分析,分别对主流目标检测算法中的Faster R-CNN、Cascade-R-CNN和TOOD作纵向对比,对其他YOLO系列作横向对比,包括YOLOv5、YOLOv7、YOLOv9、YOLOv10和YOLOv11,实验结果如表2和表3所示。

由表2可知,与双阶段Faster R-CNN、Cascade-RCNN算法相比,所提出的ADMH-YOLOv8模型mAP50结果均最优;与单阶段TOOD算法相比,mAP50提高了0.4%,mAP50-95提高了0.4%。4种模型精度接近,但与ADMH-YOLOv8模型相比其他3种模型模型参数量较大,不利于在实际场景中部署,表明本文算法较强的检测性能。根据表3结果可得,与其他YOLO系列模型相比,所提出算法的精度更高,表明该算法在障碍物数据集上表现更优。ADMH-YOLOv8模型的mAP50为93.8%,与YOLOv5n、YOLOv7tiny、YOLOv9-t、YOLOv10、YOLOv11相比,mAP50分别提高了2.6%、1.5%、3.1%、2.9%、2.2%。由此可见,所提出的改进策略展现了对障碍物目标较强的检测能力。

4.5 关注度对比实验

为验证所提出的ADMH-YOLOv8算法是否将注意放在了障碍物特征上,使用YOLOv8和ADMH-YOLOV8算法检测效果的可视化,对训练出来的权重对部分障碍物图片进行热力计算,图8中展示了YOLOv8和本文改进算法在4个不同类别下的热力图对比结果。

通过对比图8中YOLOV8n和ADMH-YOLOv8模型生成的热力图,可以发现后者算法更多地将注意放在了障碍物特征上。如图8(a)三脚架所在列,YOLOV8和改进算法权重计算得到的热力图,红色高亮区均集中在三脚架本身,但改进算法的红色区域更均匀、更深,说明改进后的算法将注意更多地放在三脚架的特征上;在图8(b)水泥墩和图8(c)坑洞列中,YOLOv8的热力图热力值最高的区域分布不均,改进算法的热力图红色高亮区相对更集中在水泥墩和坑洞区域内且背景噪声显著减少,表现出本文算法更强的检测能力。在图8(d)锥形桶列中,YOLOv8的热力值较低,热力值高处则集中在锥桶底部,而ADMH-YOLOv8关注到了每个锥桶的上部和边缘区域特征,轮廓更为清晰。结果表明,改进模型能够更加准确地检测并定位障碍物的位置,显著减少了误判和漏检的情况,验证了模型在复杂环境中对障碍物的泛化能力与准确性。

4.6 检测效果对比

为检验算法对目标的检测效果,从障碍物4个类别中选取相应的1张图片,并分别使用YOLOv8算法和ADMH-YOLOv8算法进行检测。检测结果如图9所示。

经对比图9中两模型的检测效果可知,ADMH-YOLOv8算法在以下这几个方面的性能得到了提升。

(1)精度更高。如图9(a)三脚架和图9(b)水泥墩所在列,在检测道路上的三脚架和水泥墩时,两者算法均能正确识别出三脚架和水泥墩,但图中ADMH-YOLOv8算法检测三脚架的精度为0.95,检测水泥墩的精度高者达到0.94;相比之下,YOLOv8算法在检测三脚架时略低,精度仅有0.93,检测水泥墩时精度高者仅有0.92,ADMH-YOLOv8算法检测精度更高,效果更好。

(2)漏检率更低。在图9(d)锥形桶列中,面对倒下呈现不同状态的锥形桶时,ADMH-YOLOv8算法仍能够正确判断且达到较高的精度,而YOLOv8算法则出现了漏检情况。

(3)错误目标检测出现的概率更少。在图9(c)坑洞列中,检测坑洞时,YOLOv8算法将标志牌的影子判为坑洞,出现了误判情况,且正确检测出来的精度仅为0.83,而所提出的算法则将坑洞正确判断并使检测精度得到了提升。

5 结论

提出了一种基于改进YOLOv8的ADMH-YOLOv8道路障碍物检测算法。消融实验结果表明,算法中所采用的可改变核卷积模块,结合空洞卷积的动态上采样模块、改进的混合式注意力模块和参数共享检测头均有效提升了模型的精度,可以在一定程度上提高模型的检测性能。

与Faster R-CNN、Cascade-RCNN和TOOD检测模型的对比实验表明,mAP50精度接近于本文算法,然而其他模型参数量庞大,不利于部署,表明本文算法更适用于道路检测任务。

与YOLO系列其他检测模型的对比实验表明,ADMH-YOLOv8的mAP50等评价指标的结果均更好,证明所提出的改进策略具有较强的检测能力。

ADMH-YOLOv8算法通过对障碍物进行检测,平均精度较基线算法提升了2.0%,实现了对道路障碍物更精确的检测,有助于提高道路安全和交通效率。但由于坑洞形状不规则、光照变化影响,坑洞与背景相似,处理时增加了检测难度,所以检测精度相对其他类别来说较低,为90.2%。未来将研究如何进一步提升检测效果同时降低模型体积,实现轻量化部署。

参考文献

原文顺序 | 出版日期 | 本文引用

[1]	Global status report on road safety 2023[EB/OL]. ( 2023-12-13)[2025-01-08]. https://iris.who.int/bitstream/handle/10665/375016/9789240086517-eng.pdf?sequence=1.

[2]	李洋. 智能车辆障碍物检测技术综述[J]. 大众科技, 2019, 21(6): 65-68.

[3]	Li Yang. Overview of obstacle detection technology in intelligent vehicles[J]. Volkswagen Technology, 2019, 21(6): 65-68.

[4]	陈明强, 冯树娟, 张勇, 等. 基于改进YOLOv5的无人机障碍物检测算法[J]. 科学技术与工程, 2024, 24(31): 13627-13634.

[5]	Chen Mingqiang, Feng Shujuan, Zhang Yong, et al. Obstacle detection algorithm for UAV based on improved YOLOv5[J]. Science Technology and Engineering, 2024, 24(31): 13627-13634.

[6]	Girshick R, Donahue J, Darrell T, et al. Rich feature hierarchies for accurate object detection and semantic segmentation[C]// Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. Columbus: IEEE, 2014: 580-587.

[7]	Girshick R. Fast R-CNN[C]// Proceedings of the IEEE International Conference on Computer Vision. Santiago: IEEE, 2015: 1440-1448.

[8]	Ren S Q, He K M, Girshick R, et al. Faster R-CNN: towards real-time object detection with region proposal networks[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence, 2017, 39(6): 1137-1149.

[9]	Kortmann F, Talits K, Fassmeyer P, et al. Detecting various road damage type sing lobal countries utilizing Faster R-CNN[C]// IEEE International Conference on Big Data (Big Data). New York: IEEE, 2020: 5563-5571.

[10]	Cha Y J, Choi W, Suh G, et al. Autonomous structural visual inspection using region-based deep learning for detecting multiple damage types[J]. Computer-aided Civil and Infrastructure Engineering, 2018, 33(9): 731-747.

[11]	Liu W, Anguelov D, Erhan D, et al. SSD: single shot multibox detector[C]// Proceedings of the Computer Vision ECCV 2016: 14th European Conference. Amsterdam: IEEE, 2016: 21-37.

[12]	Lin T Y, Goyal P, Girshick R, et al. Focal loss for dense object detection[EB/OL]. ( 2017-08-07) [2025-01-08]. https://arxiv.org/abs/1708.02002.

[13]	Redmon J, Divvala S, Girshick R, et al. You only look once: unified, real-time object detection[C]// Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. Las Vegas: IEEE, 2016: 779-788.

[14]	Redmon J, Farhadi A. YOLO9000: better, faster, stronger[C]// Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. Honolulu: IEEE, 2017: 7263-7271.

[15]	Redmon J, Farhadi A. YOLOv3: an incremental improvement[J]. ArXiv: 1804. 02767, 2018.

[16]	Bochkovskiy A, Wang C Y, Liao H Y M. YOLOv4: optimal speed and accuracy of object detection[J]. ArXiv: 2004. 10934, 2020.

[17]	刘春雷, 李志华, 王超, 等. 一种融合RepVGG和YOLOv5的行人检测方法[J]. 科学技术与工程, 2023, 23(7): 2945-2951.

[18]	Liu Chunlei, Li Zhihua, Wang Chao, et al. A pedestrian detection method integrating RepVGG and YOLOv5[J]. Science Technology and Engineering, 2023, 23(7): 2945-2951.

[19]	王宏, 韩晨, 袁伯阳, 等. 基于改进YOLOv5的拥挤行人检测算法[J]. 科学技术与工程, 2023, 23(27): 11730-11738.

[20]	Wang Hong, Han Chen, Yuan Boyang, et al. Improved YOLOv5-based pedestrian crowding detection algorithm[J]. Science Technology and Engineering, 2023, 23(27): 11730-11738.

[21]	Li C Y, Li L L, Jiang H L, et al. YOLOv6: a single-stage object detection framework for industrial applications[J]. ArXiv: 2209. 02976, 2022.

[22]	Wang C Y, Bochkovskiy A, Liao H Y M. YOLOv7: trainable bag-of-freebies sets new state of the art for real time object detectors[C]// Proceedings of the 2023 IEEE/CVF Conference on Computer Vision and Pattern Recognition. Vancouver: IEEE, 2023: 7464-7475.

[23]	Wang C Y, Yeh I H, Liao H Y M. YOLOv9: learning what you want to learn using programmable gradient information[J]. ArXiv: 2402. 13616, 2024.

[24]	Wang A, Chen H, Liu L H, et al. YOLOv10: real-time end to end object detection[J]. ArXiv: 2405. 14458, 2024.

[25]	王浩东, 王立勇, 苏清华, 等. 基于 YOLOv4 网络模型的临时道路识别算法[J]. 广西大学学报(自然科学版), 2022, 47(3): 712-722.

[26]	Wang Haodong, Wang Liyong, Su Qinghua, et al. Road identification algorithm for temporary roads based on YOLOv4 network model[J]. Journal of Guangxi University (Natural Science Edition), 2022, 47(3): 712-722.

[27]	许洁. 基于深度学习的路面质量评估的研究和实现[D]. 成都: 电子科技大学, 2022.

[28]	Xu Jie. Research and implementation on road quality assessment based on deep learning[D]. Chengdu: University of Electronic Science and Technology of China, 2022.

[29]	倪昌双, 李林, 罗文婷, 等. 改进YOLOv7的沥青路面病害检测[J]. 计算机工程与应用, 2023, 59(13): 305-316.

[30]	Ni Changshuang, Li Lin, Luo Wenting, et al. Disease detection of asphalt pavement based on improved YOLOv7[J]. Computer Engineering and Applications, 2023, 59(13): 305-316.

[31]	宣以国, 余成波, 蒋启超, 等. 基于改进YOLOv7的道路裂缝和坑洞检测算法[J]. 科学技术与工程, 2024, 24(17): 7205-7213.

[32]	Xuan Yiguo, Yu Chengbo, Jiang Qichao, et al. Improved YOLOv7 road crack and pit detection algorithm[J]. Science Technology and Engineering, 2024, 24(17): 7205-7213.

[33]	Li T, Li G. Road defect identification and location method based on an improved ML-YOLO algorithm[J]. Sensors, 2024, 24(21): 6783.

[34]	Zhang X, Song Y Z, Song T T, et al. AKConv: convolutional kernel with arbitrary sampled shapes and arbitrary number of parameters[J]. ArXiv: 2311. 11587, 2023.

[35]	Liu W Z, Lu H, Fu H T, et al. Learning to upsample by learning to sample[C]// Proceedings of the IEEE/CVF International Conference on Computer Vision. Paris: IEEE, 2023: 6027-6037.

[36]	Woo S, Park J, Lee J Y, et al. CBAM:convolutional block attention module[C]// Proceedings of the 15th European Conference on Computer Vision (ECCV). Munich: Springer, 2018: 3-19.

[37]	Tian Z, Shen C H, Chen H, et al. FCOS: a simple and strong anchor-free object detector[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2022, 44: 1922-1933.

[38]	Chen Z X, He Z W, Lu Z M. DEA-Net: single image dehazing based on detail-enhanced convolution and content-guided attention[J]. IEEE Transactions on Image Processing, 2024, 33(2): 1002-1015.

基金资助

国家自然科学基金(51765007)

PDF (11549KB)

访问

被引

详细

导航

Received	Published
2025-01-08	2026-01-08
Online Date
2026-05-27

摘要