王偉 梁琪 周俊 石磊 高旭朝

摘要：針對小尺寸列車風管與折角塞門的識別問題，提出一種多尺度特征增強的YOLOv5s檢測算法。首先在主干網(wǎng)絡Backbone增加了一個大尺寸特征圖，使用C2f（CSP bottleneck with 2 convolution and forward） 模塊豐富新增特征圖的梯度流信息；然后在Neck部分采用殘差特征增強和自適應空間特征融合等兩種方式增強特征金字塔模型的多尺度特征的融合表征能力，并使用路徑聚合模型增強坐標回歸信息以提高定位能力；最終在檢測頭Head部分獲得了4種尺度的特征圖，其中新增特征圖的尺寸最大，用于增強小尺寸目標的檢測能力。實驗結(jié)果表明，多尺度特征增強的YOLOv5s比原來的YOLOv5s在平均精度上提升了2.0%，優(yōu)于其他檢測器，提升了小尺寸風管和折角塞門的檢測能力。

關鍵詞： 深度學習; 目標檢測；列車風管；折角塞門；多尺度特征

中圖分類號：TP31 文獻標識碼：A

文章編號：1009-3044（2024）04-0011-05