基于FasterNet和YOLOv8s改进的铁路异物入侵快速检测方法
姜香菊1
冯海照1
李涛2
1.兰州交通大学自动化与电气工程学院,兰州 7300702.兰州交通大学机电工程学院,兰州 730070
摘要：铁路轨道异物入侵对列车行车安全构成潜在威胁,情况紧急时可能导致列车脱轨倾覆和人员伤亡.针对现有铁路异物入侵检测模型在边缘设备上无法保证实时检测的问题,提出一种基于Faster-Net和YOLOv8s改进的铁路异物识别算法.首先,采用参数量更小的FasterNet网络替代YOLOv8s的CSPDarkNet53主干网络进行特征提取,以减小模型参数量和计算量.然后,结合FasterNet中部分卷积思想,设计FasterBlock模块替代YOLOv8s颈部的C2f模块,实现多尺度特征融合,从而进一步减小模型参数量.最后,为解决网络轻量化导致的模型检测精度下降问题,重新设计BiFPN-A特征融合结构,采用Fusion替代Concat操作进行张量拼接操作,通过FasterBlock模块和Fusion实现跳跃连接的特征图融合,并在每一层FasterBlock模块之前引入无参注意力机制SimAM,保证改进后的整体模型在实现轻量化的同时能够有效防止检测精度的大幅下降.结果表明:在精度仅损失0.2%的情况下,改进后的模型尺寸减小60.89%,模型参数降低61.8%,计算量减小45.1%.
关键词：目标检测YOLOv8轻量化SimAM铁路异物
分类号：TP391.4(计算技术、计算机技术)
论文发表日期：2024-10-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：10( 39-48 )
英文信息