多尺度特征融合的鐵軌異物入侵檢測(cè)研究

摘要： 針對(duì)鐵路軌道異物檢測(cè)中不同尺度異物目標(biāo)的檢測(cè)易受復(fù)雜環(huán)境的影響，導(dǎo)致出現(xiàn)檢測(cè)精度低及檢測(cè)速度慢等問(wèn)題，提出一種多尺度特征融合的鐵軌異物檢測(cè)(RMF-YOLO)算法。首先，設(shè)計(jì)并引入改進(jìn)的卷積注意力模塊(ICBAM),結(jié)合YOLOv7特征提取網(wǎng)絡(luò)，以增強(qiáng)復(fù)雜場(chǎng)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(jì)算復(fù)雜度，提高特征輸出效...