基于多尺度特征融合网络的铁路工机具目标检测

来源：电子测量技术杂志2022年第17期北京时间：

作者：杨瑾，魏巍，陈灯，张彦铎，吴云韬，刘玮，郑朝晖

单位：1.武汉工程大学智能机器人湖北省重点实验室，武汉430205; 2. 武汉工程大学数理学院, 武汉430205

摘要：图像目标检测是铁路工机具实现自动清点的关键技术。由于铁路运维工作的特殊性，采集的工机具图像通常存在光照度低、目标尺度差异大以及背景复杂等问题。已有的图像目标检测模型无法在铁路工机具检测中获得满意的效果。本文提出一种基于多尺度特征融合增强网络模型，以深度学习目标检测网络Retinanet为基础，构造了特征融合增强模块，可实现对不同尺度铁路工机具的高精度检测。以真实的铁路工机具图像作为数据集开展了实验研究，结果表明提出的模型较Retinanet具有更好的目标检测效果，mAP从97.85%提高到了98.11%，解决了复杂背景下铁路工机具的精确检测难题，为铁路智能运维奠定了技术基础。

关键词：铁路运维;深度学习;目标检测;特征融合;特征增强

基金资助：国家自然科学基金资助项目（No.?62171328）；湖北省教育科学规划课题(No.?2019GA090)