典型文献
基于改进YOLOv3的高铁异物入侵检测算法
文献摘要：
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.
文献关键词：
目标检测;高铁异物检测;YOLOv3;可切换空洞卷积;多尺度预测
中图分类号：
作者姓名：
张剑;王等准;莫光健;谢本亮
作者机构：
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
文献出处：
引用格式：
[1]张剑;王等准;莫光健;谢本亮-.基于改进YOLOv3的高铁异物入侵检测算法)[J].计算机技术与发展,2022(02):69-74
A类：
铁路异物检测,高铁异物检测
B类：
YOLOv3,异物入侵检测,入侵检测算法,检测精度,图片特征,可切换空洞卷积,特征提取网络,感受野,物体检测,FPN,下采样,特征图,第四个,检测数据集,检测速度,不同尺度,目标检测网络,多尺度预测
AB值：
0.221354
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
