基于改进YOLOv3的列车运行环境图像小目标检测算法 |
| |
作者姓名: | 梁美佳 刘昕武 胡晓鹏 |
| |
作者单位: | 1. 西南交通大学计算机与人工智能学院;2. 株洲中车时代电气股份有限公司数据与智能技术中心;3. 西南交通大学唐山研究院 |
| |
基金项目: | 河北省自然科学基金资助项目(F2022105033)~~; |
| |
摘 要: | 列车辅助驾驶离不开对列车运行环境的实时检测,而列车运行环境图像存在丰富的小目标。与大中型目标相比,目标占原图比例小于1%的小目标由于分辨率低而存在误检率高、检测精度较差的问题,因此提出一种基于改进YOLOv3的列车运行环境目标检测算法YOLOv3-TOEI (YOLOv3-Train Operating Environment Image)。首先,利用k-means聚类算法优化anchor,从而提高网络的收敛速度;然后,在DarkNet-53中嵌入空洞卷积以增大感受野,并引入稠密卷积网络(DenseNet)获取更丰富的图像底层细节信息;最后,将原始YOLOv3的单向特征融合结构改进为双向自适应特征融合结构,从而实现深浅层特征的有效结合,并提高网络对多尺度目标(特别是小目标)的检测效果。实验结果表明,与原YOLOv3算法相比,YOLOv3-TOEI算法的平均精度均值(mAP)@0.5达到84.5%,提升了12.2%,每秒传输帧数(FPS)为83,拥有更好的列车运行环境图像小目标检测能力。
|
关 键 词: | 列车辅助驾驶 小目标检测 空洞卷积 稠密卷积网络 特征融合 通道注意力机制 |
|