基于双重YOLOv8-pose模型的探地雷达双曲线关键点检测与目标定位

来源：电子与信息学报杂志2024年第11期北京时间：

作者：侯斐斐, 彭应昊, 董健, 银雪

单位：1.中南大学自动化学院 长沙 4100832.中南大学电子信息学院 长沙 410004

摘要：探地雷达(GPR)是一种可用于地下目标识别的无损检测方法。针对现有方法存在不同尺度目标兼容性差、复杂图像识别难度大、无法精确定位等问题，该文提出一种基于双重YOLO姿态模型(YOLOv8-pose)的GPR双曲线关键点检测与目标定位，命名为双重YOLO关键点定位方法(DYKL)，用于地下目标的检测与精确定位。所提模型架构包含两个阶段：首先，第1阶段是基于YOLOv8-pose模型的GPR目标检测，以确定候选目标的位置；接着，第1阶段的部分训练权重被共享并传递到第2阶段，后者以此为基础继续训练YOLOv8-pose网络，用于候选目标特征的关键点检测及获取，从而实现地下目标的自动化定位。通过与级联区域卷积网络(Cascade R-CNN)、 更快的区域卷积网络(Faster R-CNN)、 实时对象检测模型(RTMDet)以及“你只看一次”人脸模型(YOLOv7-face)4种先进的深度模型进行比较，所提模型平均识别准确率达到98.8%，性能优于其他模型。结果表明所提DYKL模型具有较高的识别准确性与较强的鲁棒性，可以为地下目标的精确定位提供参考。

关键词：探地雷达, 目标检测, 关键点检测, YOLOv8

基金资助：国家自然科学基金(62406346)，湖南省自然科学基金(2022JJ30052)，长沙市自然科学基金(kq2208285)