红外弱光环境下多尺度密集注意力铁路异物检测

作者：陈永; 卢晨涛^*; 王镇

来源：铁道学报, 2022, 44(07): 63-71.

• 红外弱光
• 红外目标
• 铁路异物检测
• 密集注意力
• 改进Mask R-CNN模型

针对红外弱光环境下铁路异物侵限检测时存在目标特征提取不充分、检测精度低的问题，在Mask R-CNN检测模型的基础上，提出一种红外弱光环境下多尺度密集注意力铁路异物检测方法。首先，提出密集连接的多尺度FPN金字塔网络，加强对特征图的利用，从而提高红外弱光环境下的检测精度。同时，引入CBAM注意力机制，改进ResNet-FPN网络结构，提高对目标区域的关注度，突出红外弱光环境下的目标特征。其次，改进k-means算法重新预设锚点框大小，以提升锚点框对目标区域定位的准确性。最后，通过铁路红外数据集及现场实验进行测试验证。实验结果表明，本方法具有较高的检测精度，精确率可达89.24%,较Mask R-CNN召回率增加了6%,像素准确率增加了8%;在红外弱光环境下可以更加准确地检测出铁路异物，并能实现铁路限界区域的划分，在主客观评价方面均优于对比方法。

• 单位
  兰州交通大学