江苏大学学报(自然科学版)

作者：张缓缓,冯屹轩,吴宏超

单位：上海工程技术大学 机械与汽车工程学院,  上海 201620

关键词：路面类型识别, 卷积神经网络, ShuffleNet模型, ECA注意力机制, 膨胀卷积模块, 轻量化模型

针对路面类型识别模型体积大、精确度低的问题，提出基于改进ShuffleNet V2网络的路面类型识别模型.在ShuffleNet V2网络结构中添加高效通道注意力（ECA）模块，通过注意力机制实现跨通道信息交互，并能根据输入的通道数量调整卷积核的大小；使用LeakyRelu函数替代ReLU函数，避免激活函数失效；引入由膨胀卷积组成的模块，在图像分辨率不变的同时，获取更广泛的图像信息，以提高模型的特征提取能力及泛化能力；根据路面类型的分类特点，调整各个模块的堆叠次数和网络的整体架构，降低模型的运算量和参数量.将改进后的算法在道路表面分类数据集（RSCD）上进行验证.结果表明：改进后的ShuffleNet V2模型参数量为4.67×106个，比原模型减少了1.4×105个；准确率为95.53%，比改进前提高了0.71百分点；推理时间减少了31%，新模型提高了对路面类型识别的准确率和响应速度.

来源：2026年第1期

《江苏大学学报(自然科学版)》期刊编辑部

查看江苏大学学报(自然科学版)杂志2026年第1期