首页|基于改进YOLOv3的高铁异物入侵检测算法

基于改进YOLOv3的高铁异物入侵检测算法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
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.
High-speed Rail Foreign Body Intrusion Detection Algorithm Based on Improved YOLOv3

张剑、王准、莫光健、谢本亮

展开 >

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

成都铁路公安局贵阳公安处,贵州 贵阳 550025

目标检测 高铁异物检测 YOLOv3 可切换空洞卷积 多尺度预测

国家自然科学基金贵州大学引进人才科研项目半导体功率器件教育部工程研究中心开放基金

61562009贵大人基合字[2015]29号ERCMEKFJJ2019-06

2022

10.3969/j.issn.1673-629X.2022.02.011

计算机技术与发展
陕西省计算机学会

计算机技术与发展

CSTPCD
影响因子：0.621
ISSN：1673-629X
年,卷(期)：2022.32(2)
  • 5
  • 4