基于改进YOLOv5的轨道交通障碍物检测算法

来源：电子测量技术杂志2024年第1期北京时间：

作者：赵鸿亮，郭佑民，王建鑫，杨君

单位：兰州交通大学机电技术研究所 兰州 730070

摘要：针对复杂的轨道交通背景下障碍物检测精度低和检测速度慢的问题，提出了一种改进YOLOv5的目标检测网络模型。首先，采用基于注意力机制的轻量级Transformer主干EMO来替换YOLOv5原有backbone中的部分模块，保证轻量化的同时，还能够提高模型的准确性和稳定性；其次，使用Focal-EIoU来替换YOLOv5中的CIoU损失函数，以解决CIoU引起的训练效率低、收敛速度慢等问题；最后使用轻量化上采样算子CARAFE来替换YOLOv5算法中原有的上采样层，在没有引入过多参数和计算量的情况下具有更大的感受野，提高了检测精度和检测速度。实验结果表明，该方法相较于原始的YOLOv5网络模型平均精确度提升了11.1%，准确率提升了13%，召回率提升了11.4%，检测速度达到了60.7 fps。所提出的方法在目标检测任务中表现出了较好的性能，有效增强了轨道交通背景下目标检测模型的检测性能。

关键词：异物入侵;YOLOv5;注意力机制;损失函数;上采样

基金资助：国家自然科学基金(72061021)项目资助