针对铁轨表面裂缝的小目标特征及传统检测方法精度低,速度慢等问题,提出一种基于改进YOLOV4的目标检测算法.首先,使用改进的RFB(receptive field block)模块替换空间金字塔池化(spatial pyramid pooling,SPP)结构,以获取特征图更大的有效感受野区域,提升算法的检测精度;其次,采用深度可分离卷积结构替代网络模型中的普通卷积结构,使网络轻量化、提升检测速度;同时,利用K-means++算法重新获取锚框,再对得到的锚框进行线性尺度变化,解决原锚框不适合小目标检测的问题.结果表明改进的YOLOV4算法,平均精度均值(mean average preci-sion,mAP)达到 84.8％,相对于原 YOLOV4 算法提高了 3.4％;检测速度(frames per second,FPS)为62.39帧/s,提高了 4.07帧/s.
Research on rail crack detection algorithm based on improved YOLOV4
object detectioncrack detectionreceptive field block(RFB)moduledepth-separable con-volutionK-means++
万方数据
维普
