SDC-YOLOv8：注意機構による特徴学習と適応的特徴再構成を強化した道路損傷検出の改良アルゴリズム

科学分野:

• コンピュータビジョン
• 人工知能
• 道路インフラ管理

背景:

• 既存の物体検出アルゴリズムは、小さな道路の損傷や複雑な環境条件に対処するのに苦労しています。
• 不正確な道路損傷検出は、交通安全と適時の修復を損ないます。

研究 の 目的:

• 正確かつ効率的な道路損傷検出のための、改良されたYOLOv8ベースのアルゴリズムを開発すること。
• 困難な照明および背景シナリオ下での小さな路面損傷の検出を強化すること。

主な方法:

• マルチスケール特徴表現のためのSPPF-LSKAモジュールと、適応的特徴再構成のためのDySample動的アップサンプリングを統合したSDC-YOLOv8アルゴリズムを提案しました。
• 複雑な条件下での空間位置特定精度を高めるために、Coordinate Attentionモジュールを組み込みました。
• Fast Spatial Pyramid Pooling with Large Separable Kernel Attention (SPPF-LSKA)とDySample動的アップサンプリングを利用しました。

主要な成果:

• SDC-YOLOv8は、公開されているポットホールのデータセットで78.0%のmAP@0.5、81.0%の精度、70.7%の再現率を達成しました。
• このモデルは、ベースラインのYOLOv8nモデルを上回る85 FPSでリアルタイムパフォーマンスを示しました。
• mAP@0.5で2.0パーセントポイント、精度で3.3%、再現率で1.8%の改善を達成し、F1スコアは75.5%でした。

結論:

• SDC-YOLOv8は、道路損傷の小さなターゲット検出精度を効果的に向上させます。
• このアルゴリズムはリアルタイム処理能力を維持し、インテリジェントな道路損傷検出のための実用的なソリューションを提供します。
• 提案された方法は、道路維持管理と交通安全アプリケーションに大きな進歩をもたらします。