摘要:
针对红外弱光环境下铁路异物侵限检测时存在检测精度低、难以实现轻量化实时检测等问题,提出一种注意力增强的轻量化铁路异物检测方法. 首先,采用深度可分离卷积改进Darknet53特征提取网络,轻量化提取红外弱光场景下的铁路异物特征;其次,利用语义引导的红外频谱池化进行特征增强,提升红外图像下采样的特征质量;然后,提出混洗注意力机制(shuffled-convolutional block attention module, shuffled-CBAM),实现对关键红外目标的特征提取与融合,提高网络对红外目标检测的精度;最后,采用无锚框轻量化网络完成铁路异物侵限检测输出,克服锚框检测非极大值抑制操作实时性差的缺点,减小计算量的同时提高检测效率. 实验结果表明:所提轻量化模型具有较高检测精度,同较改进前模型尺寸减小179.01 MB,检测速率提升至39 帧/s,为YOLOv4方法的3.9倍;相较于对比检测方法,本文所提方法能够快速精确地检测出红外铁路异物.