基于改进RetinaNet的列车关键部件检测研究

摘要：

列车关键部件对列车的安全运行具有重要保障作用,在光照环境较差以及部件尺寸较小时,当前基于深度学习的目标检测算法无法很好地进行检测.针对这一问题,提出一种基于改进RetinaNet的列车关键部件检测算法.首先,为了提高小尺寸部件的检测效果,在浅层特征P3后引入感受野模块,提升P3特征层的感受野及特征质量;进而将特征金字塔网络替换为像素聚合网模块,通过增加自底向上的特征融合路径,增强特征金字塔的定位能力;最后通过调节实验参数以及网络检测层的位置,得到适用于列车关键部件检测的网络模型.经验证,所提模型在公开数据集PASCAL VOC上的效果优于原始RetinaNet网络,且所提方法在列车关键部件检测任务上优于当前的主流算法.

关键词：机器视觉、关键部件检测、深度学习、目标检测、图像识别、RetinaNet

所属期刊栏目：59

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金61960206010

在线出版日期：2022-08-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：284-291