YOLOV12-SA-EVC: MÔ HÌNH PHÁT HIỆN “Ổ GÀ” TRÊN MẶT ĐƯỜNG BỘ
DOI:
https://doi.org/10.59266/houjs.2026.1332Keywords:
phát hiện ổ gà, YOLOv12, self-attention, EVCBlock, thị giác máy tính, hư hỏng mặt đường, học sâuAbstract
Hư hỏng mặt đường, đặc biệt là “ổ gà”, là mối đe dọa nghiêm trọng đối với an toàn giao thông và gây thiệt hại kinh tế lớn tại nhiều quốc gia. Các phương pháp khảo sát truyền thống tốn kém, chủ quan và thiếu hiệu quả, trong khi các giải pháp tự động hiện có vẫn gặp khó khăn trong các điều kiện thực tế phức tạp như bóng râm, vũng nước, ánh sáng yếu và ổ gà kích thước nhỏ. Nghiên cứu này đề xuất cải tiến kiến trúc YOLOv12 kết hợp với module self-attention (SA) để nắm bắt mối quan hệ ngữ cảnh toàn diện và Enhanced Visual Center Block (EVCBlock) tập trung trích xuất đặc trưng trung tâm ổ gà và ức chế nhiễu ngoại vi. Mô hình được huấn luyện và đánh giá trên bộ dữ liệu 19,267 ảnh tổng hợp từ RDD2020, RDD2022 và Roboflow. Kết quả thực nghiệm cho thấy mô hình đề xuất đạt Precision = 84.23%, Recall = 74.97%, F1-score = 79.33%, mAP@0.5 = 82.36% - vượt trội so với YOLOv12 gốc (+6.28% mAP@0.5) và một số biến thể YOLO nano (YOLOv5n, YOLOv8n, YOLOv11n). So với kiến trúc ResNet50, Vision Transformer và Swin Transformer, mô hình đề xuất đạt độ chính xác tương đương trong khi giảm 66-68% chi phí tính toán và 67-69% tiêu thụ năng lượng, duy trì tốc độ 122 FPS trên GPU NVIDIA RTX 3050.
References
Arya, D., Maeda, H., Ghosh, S. K., Toshniwal, D., Omata, H., Kashiyama, T., Seto, T., & Sekimoto, Y. (2022). Crowdsensing- based Road Damage Detection Challenge (CRDDC’2022). 2022 IEEE International Conference on Big Data (Big Data), 6378--6386.
Arya, D., Maeda, H., Ghosh, S. K., Toshniwal, D., Omata, H., Kashiyama, T., Seto, T., Mraz, A., & Sekimoto, Y. (2021). RDD2020: An Image Dataset for Smartphone-based Road Damage Detection and Classification. Mendeley Data,(10.17632/5ty2wb6gvg.1).
ATO.(2025).VietNamRoadSafetyProfile2025. https://asiantransportobservatory.org/ analytical-outputs/roadsafetyprofiles/ viet-nam-road-safety-profile-2025/
Cuthbert, R., Judith, M., Gurcan, C., Saidi, S., Frank, N., & Quincy, A. (2024). Augmenting roadway safety with machine learning and deep learning: Pothole detection and dimension estimation using in-vehicle technologies. Machine Learning with Applications, 16, 100547. https://doi. org/10.1016/j.mlwa.2024.100547
Dao, T., Fu, D. Y., Ermon, S., Rudra, A., & Ré, C. (2022). FlashAttention: Fast and Memory-Efficient Exact Attention with IO-Awareness. arXiv.
Edmonds, E. (2022). AAA: Potholes Pack a Punch as Drivers Pay $26.5 Billion in Related Vehicle Repairs. https:// newsroom.aaa.com/2022/03/aaa- potholes-pack-a-punch-as-drivers-pay- 26-5-billion-in-related-vehicle-repairs/
Hao, Y., Yulong, S., Yue, L., Enhao, T., & Danyang, C. (2026). SDC-YOLOv8: An Improved Algorithm for Road Defect Detection Through Attention-Enhanced Feature Learning and Adaptive Feature Reconstruction. Sensors, 26(2), 609.
Jiayi, Z., & Han, Z. (2024). YOLOv8-PD: an improved road damage detection algorithm based on YOLOv8n model. Scientific Reports, 14(1), 12052. https:// doi.org/10.1038/s41598-024-62933-z
Padilla, R., Netto, S. L., & da Silva, E. A. B. (2020). A Survey on Performance Metrics for Object-Detection Algorithms. 2020 International Conference on Systems, Signals and Image Processing (IWSSIP), 237-242.
Quan, Y., Zhang, D., Zhang, L., & Tang, J. (2023). Centralized Feature Pyramid for Object Detection. IEEE Transactions on Image Processing, 32, 4341-4354. https://doi.org/10.1109/ tip.2023.3297408
Redmon, J., Divvala, S., Girshick, R., & Farhadi, A. (2016, 27-30 June 2016). You Only Look Once: Unified, Real- Time Object Detection. 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR),
Tian, Y., Ye, Q., & Doermann, D. (2025). YOLOv12: Attention-Centric Real- Time Object Detectors. arXiv.
Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., Kaiser, L. u., & Polosukhin, I. (2017). Attention is All you Need https:// proceedings.neurips.cc/paper_files/ paper/2017/file/3f5ee243547dee91fbd 053c1c4a845aa-Paper.pdf
Xuefang, L., Tianyu, C., Caixia, S., Chaoran, Y., & Tao, P. (2025). Application of YOLO Algorithm for Intelligent Transportation Systems: A Survey and New Perspectives. International Journal of Distributed Sensor Networks, 2025(1), 2859040. https:// doi.org/10.1155/dsn/2859040
Yue, L., Chang, Y., Yutian, L., Jiale, Z., & Yiting, Y. (2024). RDD-YOLO: Road Damage Detection Algorithm Based on Improved You Only Look Once Version 8. Applied Sciences, 14(8), 3360.
Zuiderveld, K. J. (1994). Contrast Limited Adaptive Histogram Equalization. In P. S. Heckbert (Ed.), Graphics Gems IV (pp. 474-485). Academic Press.
