改进YOLOV5s的铁轨裂纹目标检测算法

来源：计算机工程与应用杂志2024年第12期北京时间：

作者：苗新法, 刘宝莲, 李晓琴, 侯越

单位：兰州交通大学 电子与信息工程学院，兰州 730070

摘要：铁轨表面的裂纹图像目标小、背景干扰信息多、分辨率高，使其目标检测效果并不理想。对此，提出一种改进YOLOV5s的目标检测算法以提升铁轨裂纹的检测效果。在颈部网络中引入VOV-GSCSP模块，用更轻量的卷积方式GSconv来替换普通的卷积，在保留更多细节信息的同时减轻网络的计算量。改进特征金字塔结构，提出多路径跨层融合结构，在特征金字塔下采样的过程中跨层融入主干网络的信息，保留更多原始的特征信息，提升目标检测的精度。同时，引入CA注意力模块和Transformer结构进一步加强高阶语义的信息提取。实验结果表明，改进的YOLOV5s算法，平均均值精度（mAP）达到62.4%，相对于原YOLOV5s算法提高了6.2个百分点；召回率（Recall）为92.2%，提升了4.4个百分点。

关键词：目标检测,YOLOV5,GSconv,注意力机制