基于改进 YOLOv3 的高铁异物入侵检测算法

来源：计算机技术与发展杂志2022年第02期北京时间：

作者：张剑;王等准;莫光健;谢本亮*

单位：1. 贵州大学 大数据与信息工程学院 半导体功率器件可靠性教育部工程研究中心微纳电子与软件技术重点实验室,贵州 贵阳 550025;2. 成都铁路公安局贵阳公安处,贵州 贵阳 550025

摘要：针对传统铁路异物检测方法中实时性不高、检测精度不够的问题,提出一种基于 YOLOv3 网络的高铁异物入侵的检测算法。 为提高 YOLOv3 网络对图片特征的利用能力,利用可切换空洞卷积替代特征提取网络中的前四个 3×3 卷积,增加了卷积的感受野。 然后为提升小物体检测精度,改进 FPN 结构,从 YOLOv3 特征提取网络中第二次下采样输出的特征图建立 104×104 作为第四个尺度预测。 通过在高铁异物检测数据集上的实验表明,改进后的 YOLOv3 高铁异物检测网络在检测速度稍降的情况下,平均检测精度达到 79. 1% ,比原网络增加 4. 3% 。 改进 YOLOv3 高铁异物入侵检测网络能够提升不同尺度目标的检测精度,同时相较于其他目标检测网络有更好的检测精度与实时性。

关键词：目标检测;高铁异物检测;YOLOv3;可切换空洞卷积;多尺度预测