摘要： 针对现有的道路凹陷检测算法中检测速度慢，很难应用于汽车车载移动设备的问题，提出一种改进 ＹＯＬＯｖ８的轻量型道路凹陷检测算法 ＹＯＬＯｖ８ＣＡＧ。将 ＹＯＬＯｖ８的主干网络第二层之后的普通卷积替换成 ＧｈｏｓｔＣｏｎｖ，通过低廉的线性变换，有效减少了模型的参数量。在 ｎｅｃｋ中的 Ｃ２ｆ模块中引入 ＣＡ注意力机制，在降低整体模型参数量和浮点运算量的同时，强化特征提取能力，减少无关特征的影响。在 ＹＯＬＯｖ８中运用 Ｃ２ｆＧＳ模块，减少网络结构的复杂性，进一步提升检测精度。实验结果表明：在道路凹陷的数据集上，改进算法与原算法相比，检测精度提高了１％，模型参数量与计算量分别下降了 １６％和 １１％，并通过与其他算法的性能比较，验证了改进算法的实用性。

关键词: 道路凹陷检测；ＹＯＬＯｖ８；Ｇｈｏｓｔ卷积；注意力机制；Ｃ２ｆＧＳ模块

中图分类号: 

• Ｕ４６３．３４１