典型文献
融合自注意力特征嵌入的夜间机场跑道异物入侵检测
文献摘要：
飞机在夜间起降时机场跑道上侵入的异物严重威胁航空运输安全,而暗光背景下依靠人工步行巡查小尺度异物更易留存致命的安全隐患.将智能视觉检测算法引入机场跑道异物入侵领域,针对现有模型倾向关注局部特征而造成检测精度低等问题,设计了一种融合自注意力特征嵌入的CSPTNet夜间机场跑道异物检测算法.为改善卷积神经网络关注局部特征而忽视全局特征的缺陷,将标准瓶颈模块替换为Transformer瓶颈模块,特征图子块扁平化分割后嵌入位置特征编码,有利于图像从像素表示转化为向量表示,在高维向量空间中捕捉像素间关系.采用多头自注意力机制从注意力分支子空间中获取不同分支聚合的特征信息,从而实现全局特征与局部特征信息的融合.针对数据集目标尺度较小导致轮廓边缘模糊以及定位困难等问题,引入CIoU损失函数以实现预测框尺寸和中心位置的修正优化,提高异物目标轮廓的定位精确性.实验结果表明,本文模型的检测速度达到38 frame/s,满足实时检测的要求;平均精度最高为88.1％,应用融合自注意力特征嵌入的Transformer模块相比于标准瓶颈模块提升5.7％,与当前先进的YOLOv5模型相比提升5.2％,从而验证了CSPTNet算法对夜间机场跑道异物检测的有效性和工程实用性.
文献关键词：
夜间机场跑道;异物入侵检测;目标定位损失;特征嵌入;多头自注意力
中图分类号：
作者姓名：
何自芬;陈光晨;王森;张印辉;郭琳伟
作者机构：
昆明理工大学机电工程学院,云南昆明650000
文献出处：
引用格式：
[1]何自芬;陈光晨;王森;张印辉;郭琳伟-.融合自注意力特征嵌入的夜间机场跑道异物入侵检测)[J].光学精密工程,2022(13):1591-1605
A类：
夜间机场跑道,CSPTNet,支子
B类：
特征嵌入,异物入侵检测,起降,航空运输,运输安全,暗光,工步,巡查,小尺度,留存,致命,智能视觉,视觉检测,检测算法,现有模型,关注局部,局部特征,检测精度,机场跑道异物检测,网络关注,全局特征,Transformer,特征图,扁平化,嵌入位置,位置特征,特征编码,像素,向量表示,高维,向量空间,多头自注意力机制,子空间,特征信息,标尺,CIoU,损失函数,中心位置,目标轮廓,精确性,检测速度,frame,实时检测,应用融合,YOLOv5,目标定位损失
AB值：
0.276526
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。
