王偉 梁琪 周俊 石磊 高旭朝



摘要:針對(duì)小尺寸列車風(fēng)管與折角塞門的識(shí)別問題,提出一種多尺度特征增強(qiáng)的YOLOv5s檢測(cè)算法。首先在主干網(wǎng)絡(luò)Backbone增加了一個(gè)大尺寸特征圖,使用C2f(CSP bottleneck with 2 convolution and forward) 模塊豐富新增特征圖的梯度流信息;然后在Neck部分采用殘差特征增強(qiáng)和自適應(yīng)空間特征融合等兩種方式增強(qiáng)特征金字塔模型的多尺度特征的融合表征能力,并使用路徑聚合模型增強(qiáng)坐標(biāo)回歸信息以提高定位能力;最終在檢測(cè)頭Head部分獲得了4種尺度的特征圖,其中新增特征圖的尺寸最大,用于增強(qiáng)小尺寸目標(biāo)的檢測(cè)能力。實(shí)驗(yàn)結(jié)果表明,多尺度特征增強(qiáng)的YOLOv5s比原來(lái)的YOLOv5s在平均精度上提升了2.0%,優(yōu)于其他檢測(cè)器,提升了小尺寸風(fēng)管和折角塞門的檢測(cè)能力。
關(guān)鍵詞: 深度學(xué)習(xí); 目標(biāo)檢測(cè);列車風(fēng)管;折角塞門;多尺度特征
中圖分類號(hào):TP31 文獻(xiàn)標(biāo)識(shí)碼:A
文章編號(hào):1009-3044(2024)04-0011-05