基于改進(jìn)YOLOv7的高鐵異物入侵檢測算法

摘 要：針對復(fù)雜環(huán)境下高鐵軌道入侵異物對列車的安全行駛有嚴(yán)重的威脅，而現(xiàn)有檢測方法不能滿足實(shí)際的高鐵軌道異物檢測工作，提出一種基于改進(jìn)ＹＯＬＯｖ７ 的高鐵異物入侵檢測算法。引入ＣＡＲＡＦＥ 算子作為上采樣算法，減少輸入圖像的特征信息損失，增大網(wǎng)絡(luò)感受野；在ＹＯＬＯｖ７ 模型中引入ＧｈｏｓｔＣｏｎｖ 卷積，可以有效地減少模型的計(jì)算量和參數(shù)量；引入全局注意力機(jī)制（Ｇｌｏｂａｌ Ａｔｔｅｎｔｉｏｎ Ｍｅｃｈａｎｉｓｍｓ，ＧＡＭ），增強(qiáng)全局信息交互能力和表達(dá)能力，提高檢測性能；采用Ａｌｐｈａ＿ＧＩｏＵ 損失函數(shù)，提升小目標(biāo)的檢測能力和模型的收斂速度。實(shí)驗(yàn)結(jié)果表明，改進(jìn)后的ＹＯＬＯｖ７-ＣＧＧＡ 模型的平均檢測精度（ｍｅａｎ Ａｖｅｒａｇｅ Ｐｒｅｃｉｓｉｏｎ，ｍＡＰ） 和平均每秒推理速度（Ｆｒａｍｅｓ Ｐｅｒ Ｓｅｃｏｎｄ，ＦＰＳ） 值分別達(dá)到９６． ７％ 和９６． １，與原ＹＯＬＯｖ７模型相比，分別提升了１． ６％ 和３１． １，較好地平衡了模型的檢測精度和效率，可以滿足實(shí)際的檢測需求。

關(guān)鍵詞：ＹＯＬＯｖ７；高鐵；異物入侵；深度學(xué)習(xí)

中圖分類號：ＴＮ９１９． ８１ 文獻(xiàn)標(biāo)志碼：Ａ 開放科學(xué)（資源服務(wù)）標(biāo)識碼（ＯＳＩＤ）：

文章編號：１００３－３１０６（２０２４）０５－１０９９－１１

０ 引言

隨著我國鐵路行業(yè)的快速發(fā)展，近年來高鐵已逐漸成為人們外出旅行的首選交通方式。截至２０２２ 年底，全國鐵路營業(yè)里程達(dá)到１５． ５ 萬ｋｍ，其中高鐵里程為４． ２ 萬ｋｍ，高鐵里程穩(wěn)居世界第一［１］。然而，高鐵的安全問題一直是人們關(guān)注的焦點(diǎn)，在高速行駛的過程中，如果軌道上存在異物，將對列車的正常運(yùn)行造成嚴(yán)重威脅。因此，高鐵軌道異物檢測技術(shù)的研究和應(yīng)用具有重要意義。目前，傳統(tǒng)的高鐵軌道異物檢測技術(shù)主要是指在高速運(yùn)行的列車上利用各種傳感器和裝置來檢測軌道上的異物，如破碎的石子、家禽、行人和汽車等。李志南等［２］設(shè)計(jì)了一種融合攝像頭和二維激光雷達(dá)的鐵路軌道異物檢測技術(shù)，可為鐵路安全檢測系統(tǒng)的智能化激光雷達(dá)檢測技術(shù)提供理論參考和依據(jù)。林向會［３］提出了一種基于視頻的鐵路異物侵限檢測的新方法，該方法先劃分和提取鐵路軌道侵限區(qū)域，然后利用改進(jìn)后的ＹＯＬＯｖ３-ｔｉｎｙ 算法對異物進(jìn)行檢測，并且部署到硬件平臺上，可以滿足實(shí)時(shí)檢測的需求。Ｗａｎｇ 等［４］提出了一種新的、簡單的、統(tǒng)一的檢測軌道監(jiān)控系統(tǒng)傳感器異物入侵的算法，不僅能夠快速、準(zhǔn)確地檢測異物，而且能夠有效地減少軌跡監(jiān)控系統(tǒng)中需要存儲的大數(shù)據(jù)量。Ｌｉｕ 等［５］提出了一種車站軌道區(qū)域智能異物入侵檢測系統(tǒng)的設(shè)計(jì)方案，利用傳感器采集和傳輸數(shù)據(jù)，結(jié)合智能算法對掃描數(shù)據(jù)進(jìn)行處理。雖然這些技術(shù)能夠提高高鐵運(yùn)行的安全性、可靠性和經(jīng)濟(jì)效益，但是還存在諸多不足，如安裝和維修這些檢測系統(tǒng)需要耗費(fèi)大量資金和人力資源，受環(huán)境因素影響較大，在不同環(huán)境因素會對這些傳感器產(chǎn)生干擾，誤判率較高，從而影響檢測的準(zhǔn)確率。

近年來，隨著人工智能技術(shù)的迅速發(fā)展，其在計(jì)算機(jī)視覺領(lǐng)域被廣泛應(yīng)用，基于人工智能深度學(xué)習(xí)的目標(biāo)檢測算法在高鐵異物檢測方面也取得了重要進(jìn)展。在使用目標(biāo)檢測算法對鐵路軌道異物檢測任務(wù)中，俞軍燕等［６］提出了一種基于改進(jìn)ＭｏｂｉｌｅＮｅｔ模型的航拍視頻軌道異物檢測方法，能有效檢測出航拍視頻中的軌道異物，但是存在誤檢和漏檢的問題。張劍等［７］使用ＹＯＬＯｖ３ 設(shè)計(jì)出一種高鐵異物檢測方法，但是該模型的參數(shù)量較大導(dǎo)致檢測效率較低。管嶺等［８］提出了一種基于改進(jìn)ＹＯＬＯｖ４-ｔｉｎｙ 的軌道異物入侵檢測輕量級模型，模型參數(shù)量和體積分別降低５０％ 和５５％ ，很大程度上提升了網(wǎng)絡(luò)的實(shí)時(shí)性，但是檢測精度僅達(dá)到６６． ３％ 。葉濤等［９］設(shè)計(jì)出一種基于ＬＡＭ-Ｎｅｔ 的軌道入侵異物自主檢測系統(tǒng)，可以實(shí)現(xiàn)在復(fù)雜的鐵路軌道交通情況下對異物的檢測，檢測精度為９２． ９６％ ，但是模型尺寸較大，不易部署在邊緣設(shè)備上。因此，上述研究不能滿足實(shí)際工作中的檢測需求，模型的檢測精度和效率還有待進(jìn)一步提升。

為了解決上述問題，本文提出一種基于改進(jìn)ＹＯＬＯｖ７ 的高鐵異物檢測算法，在檢測效率和精度之間取得了較好的平衡。在ＹＯＬＯｖ７ 網(wǎng)絡(luò)的引入上采樣算子ＣＡＲＡＦＥ，可以擴(kuò)大網(wǎng)絡(luò)的感受野和提升網(wǎng)絡(luò)的檢測性能；將ＧｈｏｓｔＣｏｎｖ 卷積引入網(wǎng)絡(luò)的ＥＬＡＮ 和ＥＬＡＮＷ 模塊，可以有效減少計(jì)算量和參數(shù)量，從而提升檢測效率；其次引入ＧＡＭ 注意力機(jī)制，使模型更具有小目標(biāo)區(qū)域的針對性，從而提高網(wǎng)絡(luò)的檢測性能；最后，為解決ＣＩｏＵ 損失函數(shù)在小目標(biāo)檢測中收斂不穩(wěn)定的問題，選擇Ａｌｐｈａ＿ＧＩｏＵ 函數(shù)去替代ＣＩｏＵ 損失函數(shù)，可以提升模型的收斂速度和小目標(biāo)檢測能力。

１ 改進(jìn)ＹＯＬＯｖ７ 的網(wǎng)絡(luò)結(jié)構(gòu)

１． １ ＹＯＬＯｖ７ 網(wǎng)絡(luò)架構(gòu)

ＹＯＬＯｖ７ 是Ｙｏｕ Ｏｎｌｙ Ｌｏｏｋ Ｏｎｃｅ（ＹＯＬＯ）系列的最新算法，在目標(biāo)檢測領(lǐng)域應(yīng)用廣泛［１０－１１］。與其他ＹＯＬＯ 系列網(wǎng)絡(luò)模型相比，ＹＯＬＯｖ７ 在結(jié)構(gòu)上進(jìn)行了優(yōu)化和創(chuàng)新，使其在檢測精度、速度和適應(yīng)性方面都得到了顯著提升。

ＹＯＬＯｖ７ 的檢測思路與ＹＯＬＯ 系列的其他網(wǎng)絡(luò)模型相似，其結(jié)構(gòu)如圖１ 所示，主要由輸入端（ｉｎｐｕｔ）、主干網(wǎng)絡(luò)（ｂａｃｋｂｏｎｅ）、頭部網(wǎng)絡(luò)（ｈｅａｄ）和預(yù)測頭（ｐｒｅｄｉｃｔｉｏｎ）組成。輸入端的主要作用是對輸入的圖像進(jìn)行一系列預(yù)處理操作，包括Ｍｏｓａｉｃ 數(shù)據(jù)增強(qiáng)、自適應(yīng)錨框計(jì)算以及圖片縮放等。

主干網(wǎng)絡(luò)由若干ＣＢＳ 卷積模塊、ＥＬＡＮ 模塊及ＭＰ１ 模塊組成。ＣＢＳ 模塊由卷積層、批量標(biāo)準(zhǔn)化ＢＮ 層和ＳｉＬＵ 激活函數(shù)組成。ＥＬＡＮ 模塊由若干個(gè)卷積模塊組成，通過控制最短最長的梯度路徑，從而更有效地學(xué)習(xí)和收斂。

頭部網(wǎng)絡(luò)主要包括ＳＰＰＣＳＰＣ 模塊、ＥＬＡＮＷ 模塊、ＵＰｓｍａｐｌｅ 模塊和ＭＰ-２ 模塊。它對主干網(wǎng)絡(luò)的輸出圖像進(jìn)行特征處理，采用路徑聚合特征金字塔網(wǎng)絡(luò)（Ｐａｔｈ Ａｇｇｒｅｇｔｉｏｎ Ｆｅａｔｕｒｅ Ｐｙｒａｍｉｄ Ｎｅｔｗｏｒｋ，ＰＡＦ-ＰＮ）結(jié)構(gòu)進(jìn)行多尺度的特征融合［１２］。采用自上而下的結(jié)構(gòu)，將深層的強(qiáng)語義特征傳遞下來，對整個(gè)金字塔進(jìn)行特征加強(qiáng)；通過自下而上的結(jié)構(gòu)，將淺層的圖像結(jié)構(gòu)、顏色、邊緣和位置等特征信息傳遞上去，從而實(shí)現(xiàn)不同層次特征高效融合。

預(yù)測頭采用ＲＥＰ 結(jié)構(gòu)（降低誤差剪枝法），對ＰＡＦＰＮ 結(jié)構(gòu)輸出的Ｐ３、Ｐ４、Ｐ５ 特征進(jìn)行通道數(shù)調(diào)整。最后，將這些特征送入一個(gè)１ ×１ 的卷積模塊，用于預(yù)測圖像的置信度、類別和錨框信息，并生成最終的檢測結(jié)果。

１． ２ 上采樣算子ＣＡＲＡＦＥ

在ＹＯＬＯｖ７ 網(wǎng)絡(luò)模型中的ＵＰｓａｍｐｌｅ 模塊使用最鄰近插值的方式完成上采樣操作。即對于圖像的每一個(gè)像素點(diǎn)，選取距離該像素點(diǎn)最近的一個(gè)像素作為它的像素值，而忽略了其他３ 個(gè)相鄰像素值的影響，從而造成插值生成的圖像灰度上的不連續(xù)，在灰度變化的地方存在明顯的鋸齒狀。因此為了更好地對高鐵異物進(jìn)行檢測，本文使用上采樣算子ＣＡ-ＲＡＦＥ［１３］ 對該網(wǎng)絡(luò)的上采樣算法進(jìn)行替換。ＣＡＲＡＦＥ 在引入較少參數(shù)和計(jì)算量的情況下，可以擴(kuò)大網(wǎng)絡(luò)的感受野，還可以減少對輸入圖像的處理過程中特征信息的損失，從而提高異物檢測的性能。

ＣＡＲＡＦＥ 由２ 個(gè)模塊組成，分別是上采樣核預(yù)測模塊和特征重組模塊，其結(jié)構(gòu)如圖２ 所示。假設(shè)上采樣倍率為σ，給定一個(gè)形狀為Ｈ×Ｗ×Ｃ 的輸入特征圖，ＣＡＲＡＦＥ 首先利用上采樣核預(yù)測模塊預(yù)測上采樣核，然后利用特征重組模塊完成上采樣，得到形狀為σＨ×σＷ×Ｃ 的輸出特征圖。

１． ３ ＧｈｏｓｔＣｏｎｖ 卷積。

由于卷積神經(jīng)網(wǎng)絡(luò)的不斷演進(jìn)和嵌入式設(shè)備需求的增加，在有限的內(nèi)存和計(jì)算資源下部署更高效、更輕量級的神經(jīng)網(wǎng)絡(luò)已成為卷積神經(jīng)網(wǎng)絡(luò)未來發(fā)展的趨勢。Ｈａｎ 等［１４］充分揭示了特征圖潛在信息的本質(zhì)特征，并利用特征圖的冗余特性進(jìn)行一系列成本低廉的線性變換，提出了一種更輕量級的卷積模塊ＧｈｏｓｔＣｏｎｖ。本文利用這種輕量級的ＧｈｏｓｔＣｏｎｖ 模塊替代ＹＯＬＯｖ７ 模型中的ＥＬＡＮ 和ＥＬＡＮ-Ｗ 模塊中的部分普通卷積模塊，用來減少網(wǎng)絡(luò)的計(jì)算量和參數(shù)量。普通卷積與ＧｈｏｓｔＣｏｎｖ 卷積分別如圖３ 和圖４ 所示，顯示了普通卷積與ＧｈｏｓｔＣｏｎｖ 卷積的區(qū)別。

ＧｈｏｓｔＣｏｎｖ 卷積在少量傳統(tǒng)卷積的基礎(chǔ)上進(jìn)行了廉價(jià)的線性運(yùn)算，將普通卷積分為兩部分：第一部分是進(jìn)行普通卷積，但嚴(yán)格控制普通卷積的數(shù)量；第二部分是利用普通卷積給出的固有特征映射，進(jìn)行一系列簡單的線性運(yùn)算，生成更多的特征映射，然后將２ 次獲得的特征圖連接起來，形成新的輸出。這樣可以在保證模型性能的情況下，大幅度減少參數(shù)和計(jì)算量，從而實(shí)現(xiàn)更高效、更輕量級的神經(jīng)網(wǎng)絡(luò)部署。設(shè)ｈ、ｗ 和ｃ 為輸入特征的高、寬和通道數(shù)，輸出特征的高度和寬度為Ｈ 和Ｗ，卷積核數(shù)量為ｎ，卷積核大小為ｋ，線性變換卷積核大小為ｄ，變換數(shù)量為ｓ。ｒｓ 和ｒｃ 分別為普通卷積和ＧｈｏｓｔＣｏｎｖ 卷積的計(jì)算量和參數(shù)量之比，計(jì)算如下：

結(jié)合式（１）和式（２）可以看出，計(jì)算量和參數(shù)量之比受變換數(shù)量ｓ 的影響，即生成特征圖越多，模型加速效果越好。由此可知，在模型中引入ＧｈｏｓｔＣｏｎｖ卷積可以有效地減少模型的計(jì)算量和參數(shù)量，提高模型的運(yùn)行速度和效率。

１． ４ ＧＡＭ 注意力機(jī)制

注意力機(jī)制最早起源于對人類視覺的研究，模擬了人類選擇性地關(guān)注某些可見信息而忽略其他信息以合理利用有限的視覺處理資源的現(xiàn)象，通過只選擇輸入信息的一部分或者對輸入信息的不同部分賦予不同的權(quán)重來解決信息冗余的問題，同時(shí)用于提高神經(jīng)網(wǎng)絡(luò)的表達(dá)能力和泛化能力。

為了較好地平衡模型的輕量化和檢測精度，本文提出將ＧＡＭ 注意力機(jī)制［１５］添加到ＹＯＬＯｖ７ 網(wǎng)絡(luò)中。ＧＡＭ 重新設(shè)計(jì)了ＣＢＡＭ 的子模塊，具有通道注意力機(jī)制模塊和空間注意力機(jī)制２ 個(gè)模塊。通過選擇性聚焦于通道和空間的期望部分來提取相關(guān)信息，在三維通道、空間寬度和空間高度上捕獲重要特征，以提高模型的識別精度。ＧＡＭ 注意力機(jī)制的整體結(jié)構(gòu)如圖５ 所示。

通道注意力子模塊使用三維排列來保存３ 個(gè)維度的信息，采用多層感知器放大跨維通道空間相關(guān)性?？臻g注意力子模塊采用了２ 個(gè)７ ×７ 的卷積層進(jìn)行空間信息融合。通過減小信息離散度，增強(qiáng)全局信息交互能力，增強(qiáng)網(wǎng)絡(luò)的表達(dá)能力，使模型更具有目標(biāo)區(qū)域的針對性，從而提高網(wǎng)絡(luò)的檢測性能。

１． ５ Ａｌｐｈａ＿ＧＩｏＵ 損失函數(shù)

ＹＯＬＯｖ７ 網(wǎng)絡(luò)模型的總損失函數(shù)為３ 種不同損失的加權(quán)和，其中包括定位損失（ＬＣＩｏＵ ）、置信度損失（Ｌｏｂｊ）和分類損失（Ｌｃｌｓ ）。ＹＯＬＯｖ７ 中的損失函數(shù)如式（３）所示。其中，置信度損失和分類損失函數(shù)使用二元交叉熵?fù)p失，定位損失使用ＣＩｏＵ 損失函數(shù)。ＣＩｏＵ 損失函數(shù)如式（４）所示。

式中：ρ 表示預(yù)測框和真實(shí)框之間的歐幾里得距離，（ｂ，ｂｇｔ）表示預(yù)測框與真實(shí)框的中心點(diǎn)坐標(biāo)，ｃ 表示能夠同時(shí)能夠包含預(yù)測框和真實(shí)框的最小外接矩形的對角線距離，β 表示平衡參數(shù)，ｗｇｔ ／ ｈｇｔ 和ｗ ／ ｈ 分別表示真實(shí)框和預(yù)測框的寬度和高度的比值；變量ｖ用來衡量寬度和高度的比值是否一致，且從式（６）可以看出，當(dāng)預(yù)測框與真實(shí)框的寬高比相等時(shí)，ｖ 為０，將無法穩(wěn)定地表達(dá)寬高比的懲罰項(xiàng)。同時(shí)這種傳統(tǒng)的ＣＩｏＵ 損失函數(shù)只考慮了真實(shí)框與預(yù)測框的距離、重疊區(qū)域和縱橫比，而沒有考慮真實(shí)框與預(yù)測框的夾角，導(dǎo)致模型的收斂速度較慢。其次，ＣＩｏＵ 損失函數(shù)在處理小目標(biāo)時(shí)表現(xiàn)不佳，容易產(chǎn)生過度擬合的情況。此外，ＣＩｏＵ 損失函數(shù)對目標(biāo)邊界框的大小和位置變化比較敏感，如果目標(biāo)邊界框與預(yù)測邊界框之間存在較大的偏移或畸變，將會導(dǎo)致?lián)p失函數(shù)值的不穩(wěn)定性。

與ＣＩｏＵ 損失函數(shù)相比，Ａｌｐｈａ＿ＧＩｏＵ 損失函數(shù)的計(jì)算方式更簡單，模型的訓(xùn)練速度也會更快；同時(shí)考慮了目標(biāo)框之間的長寬比和位置關(guān)系，可以更精確地計(jì)算２ 個(gè)目標(biāo)框的重疊程度，從而加快模型收斂速度；在檢測小目標(biāo)時(shí)，ＣＩｏＵ 損失函數(shù)可能會因?yàn)榉帜篙^小而導(dǎo)致梯度消失或爆炸的問題，而Ａｌｐｈａ＿ＧＩｏＵ 損失函數(shù)采用了平方根形式的約束項(xiàng)，對小目標(biāo)的檢測效果更好。Ａｌｐｈａ＿ＧＩｏＵ 是一種基于ＧＩｏＵ 損失函數(shù)的冪函數(shù)，通過調(diào)整參數(shù)α 的值以滿足不同的回歸精度。Ａｌｐｈａ＿ＧＩｏＵ 損失函數(shù)的計(jì)算公式如下：

式中：Ｃ 為預(yù)測框與真實(shí)框的最小限界矩形，Ｂｐ 和Ｂｇｔ 分別為預(yù)測框和真實(shí)框之間的并集區(qū)域，當(dāng)預(yù)測框和真實(shí)框之間出現(xiàn)重合現(xiàn)象時(shí)，α 為功率參數(shù)，當(dāng)α ＝ １ 時(shí)，Ａｌｐｈａ＿ＧＩｏＵ 損失函數(shù)即為原始的ＧＩｏＵ 損失函數(shù)。

因此，本文最終選擇Ａｌｐｈａ＿ＧＩｏＵ 損失函數(shù)替代基準(zhǔn)模型中的ＣＩｏＵ 損失函數(shù)，并將功率參數(shù)α 設(shè)置為３。

２ 實(shí)驗(yàn)和分析

２． １ 實(shí)驗(yàn)環(huán)境和超參數(shù)

本文所有實(shí)驗(yàn)均在同一實(shí)驗(yàn)環(huán)境上完成，實(shí)驗(yàn)環(huán)境具體配置信息如表１ 所示。

訓(xùn)練網(wǎng)絡(luò)模型時(shí)，優(yōu)化器為隨機(jī)梯度下降（Ｓｔｏ-ｃｈａｓｔｉｃ Ｇｒａｄｉｅｎｔ Ｄｅｓｃｅｎｔ，ＳＧＤ），將迭代次數(shù)設(shè)置為３００，權(quán)重衰減系數(shù)設(shè)置為０． ０００ ５，初始學(xué)習(xí)率設(shè)置為０． ００１，學(xué)習(xí)率動量設(shè)置為０． ９３７，批量大小設(shè)置為１６。

２． ２ 實(shí)驗(yàn)數(shù)據(jù)集

本文所使用的實(shí)驗(yàn)數(shù)據(jù)集為自建數(shù)據(jù)集，該數(shù)據(jù)集包括貴州境內(nèi)的幾個(gè)高鐵站站臺的部分監(jiān)控視頻素材，以及一部分網(wǎng)絡(luò)上收集到的高鐵軌道異物入侵圖像，包含人、石頭、汽車、狗、牛、羊和火車７ 種對象。經(jīng)過篩選后，該數(shù)據(jù)集共有３ ０００ 張圖像，圖像分辨率為１ ９２０ ｐｉｘｅｌ×１ ０８０ ｐｉｘｅｌ，部分?jǐn)?shù)據(jù)集示例如圖６ 所示。

２． ３ 圖像預(yù)處理

針對數(shù)據(jù)集樣本較少易造成模型訓(xùn)練時(shí)出現(xiàn)過擬合的情況，為增強(qiáng)模型泛化性和魯棒性，本文將對所有原始圖像進(jìn)行預(yù)處理操作。首先將原始圖像的分辨率都調(diào)整為６４０ ｐｉｘｅｌ×６４０ ｐｉｘｅｌ，然后對該數(shù)據(jù)集進(jìn)行數(shù)據(jù)增強(qiáng)操作，即對每一張圖像做椒鹽噪聲、顏色抖動和翻轉(zhuǎn)以及調(diào)整圖像對比度操作，該數(shù)據(jù)集由原來的３ ０００ 張圖像擴(kuò)充為１２ ０００ 張。根據(jù)ＹＯＬＯｖ７ 網(wǎng)絡(luò)訓(xùn)練的所需格式，使用ＬａｂｅｌＩｍｇ 工具對１２ ０００ 張圖像分別進(jìn)行標(biāo)注，包含軌道異物的位置和類別信息。然后按照８ ∶ １ ∶ １ 的比例劃分?jǐn)?shù)據(jù)集，其中訓(xùn)練集９ ６００ 張、測試集１ ２００ 張、驗(yàn)證集１ ２００ 張。

２． ４ 評價(jià)指標(biāo)

在目標(biāo)檢測過程中，通過檢測圖像來定性評價(jià)和評估模型性能，即比較是否存在錯(cuò)檢、漏檢的情況。本文的實(shí)驗(yàn)采用了多個(gè)指標(biāo)來衡量模型檢測性能，包括所有類別的平均檢測精度均值（ｍｅａｎＡｖｅｒａｇｅ Ｐｒｅｃｉｓｉｏｎ，ｍＡＰ ）、參數(shù)量（Ｐａｒａｍｅｔｅｒｓ，Ｐａ-ｒａｍｓ）、計(jì)算量（ＧＦＬＯＰｓ）和平均每秒推理速度（Ｆｒａｍｅｓ Ｐｅｒ Ｓｅｃｏｎｄ，ＦＰＳ）。在計(jì)算ｍＡＰ 時(shí)，需要先計(jì)算每個(gè)類別的平均精度（Ａｖｅｒａｇｅ Ｐｒｅｃｉｓｉｏｎ，ＡＰ），其表示數(shù)據(jù)集中該類別的檢測精度平均值，然后將不同類別的ＡＰ 值進(jìn)行平均化，得到ｍＡＰ，計(jì)算如下：

式中：Ｐ 表示查準(zhǔn)率，即模型識別的正確結(jié)果在所識別的所有結(jié)果中的比率；Ｒ 表示查全率，即模型識別的正確結(jié)果在數(shù)據(jù)集中需要被識別出結(jié)果的比率；Ｎ 表示數(shù)據(jù)集中待檢測的類別數(shù)目，本實(shí)驗(yàn)中Ｎ ＝７，即人、石頭、火車、狗、牛和羊７ 種入侵異物。

ＦＰＳ 幀率是指網(wǎng)絡(luò)每秒鐘可預(yù)測的圖片數(shù)量，ＦＰＳ 越高，網(wǎng)絡(luò)的推理速度越快。模型的ＦＰＳ 越高，就能更好地滿足實(shí)時(shí)檢測需求。

２． ５ 實(shí)驗(yàn)

２． ５． １ 不同訓(xùn)練策略實(shí)驗(yàn)

為了研究不同邊界損失函數(shù)和注意力機(jī)制模塊對本文改進(jìn)算法的性能影響，分別設(shè)置了２ 組對比實(shí)驗(yàn)，２ 組實(shí)驗(yàn)硬件環(huán)境和其他參數(shù)均相同。表２和表３ 分別展示了不同損失函數(shù)和對本文模型的檢測效果影響。通過表２ 的不同損失函數(shù)對比實(shí)驗(yàn)結(jié)果可以看出，損失函數(shù)的改變對模型的ＦＰＳ 影響不大，但是當(dāng)引入Ａｌｐｈａ＿ＧＩｏＵ 損失函數(shù)時(shí)，該模型的ｍＡＰ＠ ０． ５ 和ｍＡＰ＠ ０． ５：０． ９５ 都是最高的，因此選擇Ａｌｐｈａ ＿ ＧＩｏＵ 損失函數(shù)替換ＹＯＬＯｖ７ 模型中的ＣＩｏＵ 損失函數(shù)。從表３ 不同注意力機(jī)制模塊對比實(shí)驗(yàn)結(jié)果可知，在基準(zhǔn)模型中分別引進(jìn)３ 種注意力機(jī)制后，模型的參數(shù)量均變化不大，但是加入ＧＡＭ注意力機(jī)制的模型的ｍＡＰ＠ ０． ５ 和ｍＡＰ＠ ０． ５：０． ９５在３ 種注意力機(jī)制中是最高的。

為了進(jìn)一步探究ＧＡＭ 注意力機(jī)制的最優(yōu)應(yīng)用位置，以達(dá)到最佳的檢測效果，本文設(shè)計(jì)了３ 組實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果如表４ 所示。第一組實(shí)驗(yàn)是在ｂａｃｋｂｏｎｅ 網(wǎng)絡(luò)的３ 個(gè)輸出層之后添加ＧＡＭ 注意力機(jī)制；第二組實(shí)驗(yàn)是將ＧＡＭ 注意力機(jī)制替換ＭＰ-２模塊中的一個(gè)ＣＢＳ 模塊；第三組實(shí)驗(yàn)是在ｂａｃｋｂｏｎｅ網(wǎng)絡(luò)的最后一層和ｈｅａｄ 網(wǎng)絡(luò)的３ 個(gè)輸出層之后添加ＧＡＭ 注意力機(jī)制。通過表１ 的實(shí)驗(yàn)結(jié)果可以發(fā)現(xiàn)，第二組和第三組實(shí)驗(yàn)都能夠提升模型的精度，而且只帶來了較小的計(jì)算開銷，但是第三組實(shí)驗(yàn)效果更好?；诖?，本文在ｂａｃｋｂｏｎｅ 網(wǎng)絡(luò)的最后一層和ｈｅａｄ 網(wǎng)絡(luò)的３ 個(gè)輸出層之后添加ＧＡＭ 注意力機(jī)制。

２． ５． ２ 消融實(shí)驗(yàn)

為了驗(yàn)證本文所提出的各種改進(jìn)策略的效果，需要設(shè)計(jì)消融實(shí)驗(yàn)來進(jìn)行驗(yàn)證。在相同實(shí)驗(yàn)條件下，通過消融實(shí)驗(yàn)對比分析各種改進(jìn)策略給模型的檢測效果帶來的影響。消融實(shí)驗(yàn)的對比結(jié)果如表５所示。

從表５ 可以看出，在基準(zhǔn)模型中引入ＣＡＲＡＦＥ算子后，參數(shù)量和計(jì)算量變化不大，但是可以擴(kuò)大模型的感受野和減少特征提取過程中的信息損失，從而使模型的ｍＡＰ ＠ ０． ５ 提升０． ５％ ；引入輕量級的ＧｈｏｓｔＣｏｎｖ 卷積后，較初始網(wǎng)絡(luò)模型，ｍＡＰ ＠ ０． ５ 降低１． ５％ ，以損失模型的檢測精度為代價(jià)，使得參數(shù)量和計(jì)算量分別減少４． ９７ ＭＢ 和１６． ６ ＧＦＬＯＰｓ，同時(shí)使模型的ＦＰＳ 提升３１． ４；引入ＧＡＭ 注意力機(jī)制之后，可以在三維通道、空間寬度和空間高度上捕獲輸入圖像的重要特征，以提高模型的識別精度，較初始網(wǎng)絡(luò)模型，ｍＡＰ＠ ０． ５ 提升１． ３％ ；當(dāng)把ＣＡＲＡＦＥ算子、ＧｈｏｓｔＣｏｎｖ 卷積、ＧＡＭ 注意力機(jī)制和Ａｌｐｈａ ＿ＧＩｏＵ 損失函數(shù)同時(shí)引入到ＹＯＬＯｖ７ 網(wǎng)絡(luò)中時(shí)，較基準(zhǔn)模型，參數(shù)量減少了４． ８ ＭＢ，計(jì)算量減少了１６． ３ ＧＦＬＯＰｓ，ＦＰＳ 增加了３１． １，ｍＡＰ＠ ０． ５ 提升了１． ６％ 。上述消融實(shí)驗(yàn)表明，在基準(zhǔn)模型模型中引入ＧｈｏｓｔＣｏｎｖ 卷積，可以很大程度上減少該模型的參數(shù)量和計(jì)算量，雖然會使平均檢測精度均值會有一點(diǎn)降低，但是通過引入ＣＡＲＡＦＥ 算子、ＧＡＭ 注意力機(jī)制和Ａｌｐｈａ＿ＧＩｏＵ 損失函數(shù)，可以彌補(bǔ)ＧｈｏｓｔＣｏｎｖ 卷積所帶來的精度的下降，同時(shí)還可以加快模型的檢測速度。因此，通過上述改進(jìn)可以使本文的模型在檢測精度和檢測速度上取得較好的平衡。

２． ５． ３ 不同模型對比實(shí)驗(yàn)

為了評估本文所提出的改進(jìn)算法的可行性與有效性，本文將最終提出的算法與ＹＯＬＯｖ７、ＹＯＬＯｖ７ｔｉｎｙ、ＹＯＬＯｖ６［１６］、ＹＯＬＯｖ５ｓ［１７］、ＹＯＬＯｖ４［１８］、ＹＯＬＯｖ３ＳＰＰ［１９］、ＲｅｔｉｎａＮｅｔ［２０］、ＳＳＤ［２１］、Ｆａｓｔｅｒ Ｒ-ＣＮＮ［２２］算法在本文的數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)對比，實(shí)驗(yàn)結(jié)果如表６所示。

從表６ 可知，本文提出的ＹＯＬＯｖ７-ＣＧＧＡ 改進(jìn)算法相較于其他算法模型，在ｍＡＰ＠ ０． ５ 上最高，同時(shí)ＦＰＳ 也取得較好的表現(xiàn)。其中相較于參數(shù)量最少的ＹＯＬＯｖ７-ｔｉｎｙ 網(wǎng)絡(luò)，雖然它的參數(shù)量僅有６． ０３ ＭＢ、ＦＰＳ 高達(dá)１１４，但是該網(wǎng)絡(luò)的檢測精度僅為８８． ７％ ；相比于檢測速度較相近的ＹＯＬＯｖ５ｓ 算法和ＹＯＬＯｖ６-ｔｉｎｙ 算法，本文提出的算法在平均檢測精度均值上有明顯優(yōu)勢，其精度比ＹＯＬＯｖ５ｓ 高１２． ５％ ，比ＹＯＬＯｖ６-ｔｉｎｙ 高１０． ６％ ；相較于其他的網(wǎng)絡(luò)如ＳＳＤ、Ｆａｓｔｅｒ Ｒ-ＣＮＮ、ＲｅｔｉｎａＮｅｔ、ＹＯＬＯｖ３-ＳＰＰ 以及ＹＯＬＯｖ４算法，本文所提算法的ＦＰＳ 均高于這些網(wǎng)絡(luò)，且檢測精度分別高了３１． ２％ 、２６． ５％ 、２８． ２％ 、１４． ４％ 和１５％ 。與上述所有算法相比，本文提出的基于改進(jìn)ＹＯＬＯｖ７ 的高鐵異物檢測算法不僅在檢測精度上達(dá)到了９６． ７％ ，同時(shí)保持較好的實(shí)時(shí)性，整體表現(xiàn)顯著，證明了本文所提出的改進(jìn)算法的可行性和有效性。

２． ５． ４ 檢測效果分析

為了更好地驗(yàn)證本文算法，將對基準(zhǔn)模型ＹＯＬＯｖ７ 網(wǎng)絡(luò)改進(jìn)前后的檢測效果進(jìn)行對比分析，如圖７ 所示。圖７（ａ）出現(xiàn)了漏檢現(xiàn)象，圖７（ｃ）和圖７（ｅ）都出現(xiàn)了誤檢現(xiàn)象，在圖中都用紅色虛線方框做了標(biāo)記；而圖７（ｂ）、圖７（ｄ）和圖７（ｆ）中檢測出所有的目標(biāo)且有著更高的檢測精度。這表明在復(fù)雜的高鐵軌道背景下，本文算法擁有更好的檢測效果。

３ 結(jié)束語

本文提出一種ＹＯＬＯｖ７-ＣＧＧＡ 的高鐵異物檢測算法，可以對高鐵軌道上的常見入侵異物進(jìn)行實(shí)時(shí)穩(wěn)定的檢測，應(yīng)用于軌道的日常檢測和維修。首先將上采樣算法替換為ＣＡＲＡＦＥ 算子，解決了上采樣過程中圖像出現(xiàn)不連續(xù)和鋸齒狀的問題；其次在ＹＯＬＯｖ７ 網(wǎng)絡(luò)中將普通卷積替換為ＧｈｏｓｔＣｏｎｖ 卷積，可以減少模型的參數(shù)量和計(jì)算量，加快模型的檢測速度；然后在主干網(wǎng)絡(luò)和頭部網(wǎng)絡(luò)中添加ＧＡＭ 注意力機(jī)制模塊，增強(qiáng)對目標(biāo)區(qū)域的感知能力，從而提升網(wǎng)絡(luò)的檢測性能；最后使用Ａｌｐｈａ＿ＧＩｏＵ 損失函數(shù)替換ＹＯＬＯｖ７ 網(wǎng)絡(luò)中的ＣＩｏＵ 損失函數(shù)，提升小目標(biāo)的檢測能力和模型的收斂速度。多次實(shí)驗(yàn)驗(yàn)證表明，本文改進(jìn)算法的ｍＡＰ 和ＦＰＳ 分別到達(dá)了９６． ７％ 和９６． １，較基準(zhǔn)模型相比，分別提升了１． ６％和３１． １，可以用于實(shí)際的高鐵軌道異物檢測工作。

參考文獻(xiàn)

［１］ 胡昊． 面向高鐵運(yùn)行環(huán)境安全的侵限監(jiān)測關(guān)鍵技術(shù)研究［Ｄ］． 北京：中國鐵道科學(xué)研究院，２０２２．

［２］ 李志南，劉瑋，韓麗娟，等． 基于二維ＬｉＤＡＲ 的軌道侵入異物檢測系統(tǒng)與方法研究［Ｊ］． 光電子· 激光，２０２０，３１（３）：２６２－２６８．

［３］ 林向會． 基于視頻分析的鐵路異物侵限檢測系統(tǒng)的設(shè)計(jì)［Ｄ］． 貴陽：貴州大學(xué)，２０２１

［４］ ＷＡＮＧ Ｘ，ＣＨＥＮ Ｆ Ｅ，ＬＩＡＮＧ Ｘ Ｍ． Ｆｏｒｅｉｇｎ ＢｏｄｙＩｎｔｒｕｓｉｏｎ Ｄｅｔｅｃｔｉｏｎ Ａｌｇｏｒｉｔｈｍ ｆｏｒ Ｔｒａｃｋ Ｓｕｒｖｅｉｌｌａｎｃｅ Ｓｙｓｔｅｍｓ ｉｎ Ｓｍａｒｔ Ｃｉｔｉｅｓ［Ｃ］∥２０２０ Ｃｈｉｎｅｓｅ Ａｕｔｏｍａｔｉｏｎ Ｃｏｎｇｒｅｓｓ （ＣＡＣ）． Ｓｈａｎｇｈａｉ：ＩＥＥＥ． ２０２０：５２０９－５２１３．

［５］ ＬＩＵ Ｋ Ｙ，ＬＩ Ｌ Ｆ，ＴＡＮ Ｆ Ｇ． Ａ Ｄｅｓｉｇｎ ｏｆ ＩｎｔｅｌｌｉｇｅｎｔＦｏｒｅｉｇｎ Ｏｂｊｅｃｔ Ｉｎｔｒｕｓｉｏｎ Ｄｅｔｅｃｔｉｏｎ Ｓｙｓｔｅｍ ｉｎ Ｓｕｂｗａｙ Ｓｔａｔｉｏｎ Ｔｒａｃｋ Ａｒｅａ［Ｃ］∥ Ｓｉｘｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎＴｒａｎｓｐｏｒｔａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ． Ｃｈｅｎｇｄｕ：［ｓ． ｎ． ］，２０２０：１０９２－１０９７．

［６］ 俞軍燕，黃皓冉，楊毅，等． 基于卷積神經(jīng)網(wǎng)絡(luò)的航拍視頻軌道異物檢測方法［Ｊ］． 城市軌道交通研究，２０２２，２５（１０）：９１－９７．

［７］ 張劍，王等準(zhǔn)，莫光健，等． 基于改進(jìn)ＹＯＬＯｖ３ 的高鐵異物入侵檢測算法［Ｊ］． 計(jì)算機(jī)技術(shù)與發(fā)展，２０２２，３２（２）：６９－７４．

［８］ 管嶺，賈利民，謝征宇． 融合注意力機(jī)制的軌道入侵異物檢測輕量級模型研究［Ｊ］． 鐵道學(xué)報(bào)，２０２３，４５（５）：７２－８１．

［９］ 葉濤，趙宗揚(yáng)，鄭志康． 基于ＬＡＭＮｅｔ 的軌道侵入界異物自主檢測系統(tǒng)［Ｊ］． 儀器儀表學(xué)報(bào)，２０２２，４３ （９）：２０６－２１８．

［１０］ＷＡＮＧ Ｃ Ｙ，ＢＯＣＨＫＯＶＳＫＩＹ Ａ，ＬＩＡＯ Ｈ Ｙ Ｍ． ＹＯＬＯｖ７：Ｔｒａｉｎａｂｌｅ Ｂａｇｏｆｆｒｅｅｂｉｅｓ Ｓｅｔｓ Ｎｅｗ Ｓｔａｔｅｏｆｔｈｅａｒｔ ｆｏｒＲｅａｌｔｉｍｅ Ｏｂｊｅｃｔ Ｄｅｔｅｃｔｏｒｓ［Ｃ］∥２０２３ ＩＥＥＥ ／ ＣＶＦ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ． Ｖａｎｃｏｕｖｅｒ：ＩＥＥＥ，２０２３：７４６４－７４７５．

［１１］ ＲＥＤＭＯＮ Ｊ，ＤＩＶＶＡＬＡ Ｓ，ＧＩＲＳＨＩＣＫ Ｒ，ｅｔ ａｌ． Ｙｏｕ ＯｎｌｙＬｏｏｋ Ｏｎｃｅ：Ｕｎｉｆｉｅｄ，Ｒｅａｌｔｉｍｅ Ｏｂｊｅｃｔ Ｄｅｔｅｃｔｉｏｎ ［Ｃ］∥２０１６ ＩＥＥＥ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ ＰａｔｔｅｒｎＲｅｃｏｇｎｉｔｉｏｎ． Ｌａｓ Ｖｅｇａｓ：ＩＥＥＥ，２０１６：７７９－７８８．

［１２］ ＧＥ Ｚ，ＬＩＵ Ｓ Ｔ，ＷＡＮＧ Ｆ，ｅｔ ａｌ． ＹＯＬＯＸ：ＥｘｃｅｅｄｉｎｇＹＯＬＯ Ｓｅｒｉｅｓ ｉｎ ２０２１［ＥＢ ／ ＯＬ］． （２０２１－０７－１８）［２０２３－０５－１１］． ｈｔｔｐｓ：∥ａｒｘｉｖ． ｏｒｇ ／ ａｂｓ ／ ２１０７． ０８４３０ｖ２．

［１３］ ＷＡＮＧ Ｊ Ｑ，ＣＨＥＮ Ｋ，ＸＵ Ｒ，ｅｔ ａｌ． ＣＡＲＡＦＥ：Ｃｏｎｔｅｎｔａｗａｒｅ Ｒｅａｓｓｅｍｂｌｙ ｏｆ Ｆｅａｔｕｒｅｓ［Ｃ］∥２０１９ ＩＥＥＥ ／ ＣＶＦ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ． Ｓｅｏｕｌ：ＩＥＥＥ，２０１９：３００７－３０１６．

［１４］ ＨＡＮ Ｋ，ＷＡＮＧ Ｙ Ｈ，ＴＩＡＮ Ｑ，ｅｔ ａｌ． ＧｈｏｓｔＮｅｔ：Ｍｏｒｅ Ｆｅａｔｕｒｅｓ ｆｒｏｍ Ｃｈｅａｐ Ｏｐｅｒａｔｉｏｎｓ［Ｃ］∥２０２０ ＩＥＥＥ ／ ＣＶＦ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ． Ｓｅａｔｔｌｅ：ＩＥＥＥ，２０２０：１５７７－１５８６．

［１５］ ＬＩＵ Ｙ Ｃ，ＳＨＡＯ Ｚ Ｒ，ＨＯＦＦＭＡＮＮ Ｎ． Ｇｌｏｂａｌ ＡｔｔｅｎｔｉｏｎＭｅｃｈａｎｉｓｍ：Ｒｅｔａｉｎ Ｉｎｆｏｒｍａｔｉｏｎ ｔｏ Ｅｎｈａｎｃｅ Ｃｈａｎｎｅｌｓｐａｔｉａｌ Ｉｎｔｅｒａｃｔｉｏｎｓ ［ＥＢ ／ ＯＬ］． （２０２１ － １２ － １０ ）［２０２３ －０５－１１］． ｈｔｔｐｓ：∥ａｒｘｉｖ． ｏｒｇ ／ ａｂｓ ／ ２１１２． ０５５６１．

［１６］ ＬＩ Ｃ Ｙ，ＬＩ Ｌ Ｌ，ＪＩＡＮＧ Ｈ Ｌ，ｅｔ ａｌ． ＹＯＬＯｖ６：Ａ ＳｉｎｇｌｅｓｔａｇｅＯｂｊｅｃｔ Ｄｅｔｅｃｔｉｏｎ Ｆｒａｍｅｗｏｒｋ ｆｏｒ Ｉｎｄｕｓｔｒｉａｌ Ａｐｐｌｉｃａｔｉｏｎｓ［ＥＢ ／ ＯＬ］． （２０２２－０９－０７）［２０２３－０５－１１］． ｈｔｔｐｓ：∥ａｒｘｉｖ．ｏｒｇ ／ ａｂｓ／ ２２０９． ０２９７６．

［１７］ ＺＨＵ Ｘ Ｋ，ＬＹＵ Ｓ Ｃ，ＷＡＮＧ Ｘ，ｅｔ ａｌ． ＴＰＨＹＯＬＯｖ５：Ｉｍｐｒｏｖｅｄ ＹＯＬＯｖ５ Ｂａｓｅｄ ｏｎ Ｔｒａｎｓｆｏｒｍｅｒ Ｐｒｅｄｉｃｔｉｏｎ Ｈｅａｄｆｏｒ Ｏｂｊｅｃｔ Ｄｅｔｅｃｔｉｏｎ ｏｎ Ｄｒｏｎｅｃａｐｔｕｒｅｄ Ｓｃｅｎａｒｉｏｓ［Ｃ］∥２０２１ ＩＥＥＥ ／ ＣＶＦ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ ＣｏｍｐｕｔｅｒＶｉｓｉｏｎ． Ｍｏｎｔｒｅａｌ：ＩＥＥＥ，２０２１：２７７８－２７８８．

［１８］ ＢＯＣＨＫＯＶＳＫＩＹ Ａ，ＷＡＮＧ Ｃ Ｙ，ＬＩＡＯ Ｈ Ｙ Ｍ． ＹＯＬＯｖ４：Ｏｐｔｉｍａｌ Ｓｐｅｅｄ ａｎｄ Ａｃｃｕｒａｃｙ ｏｆ Ｏｂｊｅｃｔ Ｄｅｔｅｃｔｉｏｎ ［ＥＢ ／ＯＬ］． （２０２０ － ０４ － ２３）［２０２３ － ０５ － １１］． ｈｔｔｐｓ：∥ ａｒｘｉｖ．ｏｒｇ ／ ａｂｓ ／ ２００４． １０９３４．

［１９］ ＰＥＢＲＩＡＮＴＯ Ｗ，ＭＵＤＪＩＲＡＨＡＲＤＪＯ Ｐ，ＰＲＡＭＯＮＯ Ｓ Ｈ，ｅｔ ａｌ． ＹＯＬＯｖ３ ｗｉｔｈ Ｓｐａｔｉａｌ Ｐｙｒａｍｉｄ Ｐｏｏｌｉｎｇ ｆｏｒ ＯｂｊｅｃｔＤｅｔｅｃｔｉｏｎ ｗｉｔｈ Ｕｎｍａｎｎｅｄ Ａｅｒｉａｌ Ｖｅｈｉｃｌｅｓ ［ＥＢ ／ ＯＬ ］．（２０２３－０５－２１）［２０２３－０５－２４］． ｈｔｔｐｓ：∥ａｒｘｉｖ． ｏｒｇ ／ ａｂｓ ／２３０５． １２３４４．

［２０］ ＬＩＮ Ｔ Ｙ，ＧＯＹＡＬ Ｐ，ＧＩＲＳＨＩＣＫ Ｒ，ｅｔ ａｌ． Ｆｏｃａｌ Ｌｏｓｓ ｆｏｒＤｅｎｓｅ Ｏｂｊｅｃｔ Ｄｅｔｅｃｔｉｏｎ ［Ｃ］∥ ２０１７ ＩＥＥＥ ＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ． Ｖｅｎｉｃｅ：ＩＥＥＥ，２０１７：２９９９－３００７．

［２１］ ＬＩＵ Ｗ，ＡＮＧＵＥＬＯＶ Ｄ，ＥＲＨＡＮ Ｄ，ｅｔ ａｌ． ＳＳＤ：ＳｉｎｇｌｅＳｈｏｔ Ｍｕｌｔｉｂｏｘ Ｄｅｔｅｃｔｏｒ ［Ｃ］∥ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ － ＥＣＣＶ２０１６． Ａｍｓｔｅｒｄａｍ：Ｓｐｒｉｎｇｅｒ，２０１６：２１－３７．

［２２］ ＲＥＮ Ｓ Ｑ，ＨＥ Ｋ Ｍ，ＧＩＲＳＨＩＣＫ Ｒ，ｅｔ ａｌ． Ｆａｓｔｅｒ ＲＣＮＮ：Ｔｏｗａｒｄｓ Ｒｅａｌｔｉｍｅ Ｏｂｊｅｃｔ Ｄｅｔｅｃｔｉｏｎ ｗｉｔｈ Ｒｅｇｉｏｎ ＰｒｏｐｏｓａｌＮｅｔｗｏｒｋｓ［Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｐａｔｔｅｒｎ Ａｎａｌｙｓｉｓ ａｎｄＭａｃｈｉｎｅ Ｉｎｔｅｌｌｉｇｅｎｃｅ，２０１７，３９（６）：１１３７－１１４９．

作者簡介

晏 朋 男，（１９９９—），碩士研究生。主要研究方向：圖像處理和目標(biāo)檢測。

李遇鑫 男，（１９９８—），碩士研究生。主要研究方向：計(jì)算機(jī)視覺和目標(biāo)檢測。

李治林 男，（１９９７—），碩士研究生。主要研究方向：圖像處理和目標(biāo)檢測。

王等準(zhǔn) 男，（１９９７—），碩士研究生。主要研究方向：圖像處理和自動駕駛。

李修？ 女，（２０００—），碩士研究生。主要研究方向：圖像處理和目標(biāo)檢測。

余 梅 女，（１９９８—），碩士研究生。主要研究方向：圖像處理。

（*通信作者）謝本亮 男，（１９７８—），博士，副教授。主要研究方向：計(jì)算機(jī)視覺、深度學(xué)習(xí)。

基金項(xiàng)目：貴州省基礎(chǔ)研究計(jì)劃（自然科學(xué)類）項(xiàng)目（黔科合基礎(chǔ)－ＺＫ［２０２３］一般０６０）；半導(dǎo)體功率器件教育部工程研究中心開放基金項(xiàng)目（ＥＲＣＭＥＫＦＪＪ２０１９－（０６）