多尺度特征融合的鐵軌異物入侵檢測研究

摘要： 針對鐵路軌道異物檢測中不同尺度異物目標(biāo)的檢測易受復(fù)雜環(huán)境的影響，導(dǎo)致出現(xiàn)檢測精度低及檢測速度慢等問題，提出一種多尺度特征融合的鐵軌異物檢測(RMF-YOLO)算法。首先，設(shè)計并引入改進的卷積注意力模塊(ICBAM),結(jié)合YOLOv7特征提取網(wǎng)絡(luò)，以增強復(fù)雜場景下的特征提取能力。其次，在所有高效層聚合網(wǎng)絡(luò)模塊中采用GhostConv替代普通卷積層，以降低計算復(fù)雜度，提高特征輸出效... （共15頁）