摘 要：針對(duì)復(fù)雜環(huán)境下高鐵軌道入侵異物對(duì)列車的安全行駛有嚴(yán)重的威脅，而現(xiàn)有檢測(cè)方法不能滿足實(shí)際的高鐵軌道異物檢測(cè)工作，提出一種基于改進(jìn)ＹＯＬＯｖ７ 的高鐵異物入侵檢測(cè)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(cè)性能；采用Ａｌｐｈａ＿ＧＩｏＵ 損失函數(shù)，提升小目標(biāo)的檢測(cè)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(cè)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(cè)精度和效率，可以滿足實(shí)際的檢測(cè)需求。

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

中圖分類號(hào)：ＴＮ９１９． ８１ 文獻(xiàn)標(biāo)志碼：Ａ 開(kāi)放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（ＯＳＩＤ）：

文章編號(hào)：１００３－３１０６（２０２４）０５－１０９９－１１

０ 引言

隨著我國(guó)鐵路行業(yè)的快速發(fā)展，近年來(lái)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(guó)鐵路營(yíng)業(yè)里程達(dá)到１５． ５ 萬(wàn)ｋｍ，其中高鐵里程為４． ２ 萬(wàn)ｋｍ，高鐵里程穩(wěn)居世界第一［１］。然而，高鐵的安全問(wèn)題一直是人們關(guān)注的焦點(diǎn)，在高速行駛的過(guò)程中，如果軌道上存在異物，將對(duì)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(cè)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(cè)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(lái)檢測(cè)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(cè)技術(shù)，可為鐵路安全檢測(cè)系統(tǒng)的智能化激光雷達(dá)檢測(cè)技術(shù)提供理論參考和依據(jù)。林向會(huì)［３］提出了一種基于視頻的鐵路異物侵限檢測(cè)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(duì)異物進(jìn)行檢測(cè)，并且部署到硬件平臺(tái)上，可以滿足實(shí)時(shí)檢測(cè)的需求。Ｗａｎｇ 等［４］提出了一種新的、簡(jiǎn)單的、統(tǒng)一的檢測(cè)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(cè)異物，而且能夠有效地減少軌跡監(jiān)控系統(tǒng)中需要存儲(chǔ)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(cè)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(duì)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(cè)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(huì)對(duì)這些傳感器產(chǎn)生干擾，誤判率較高，從而影響檢測(cè)的準(zhǔn)確率。

近年來(lái)，隨著人工智能技術(shù)的迅速發(fā)展，其在計(jì)算機(jī)視覺(jué)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(cè)算法在高鐵異物檢測(cè)方面也取得了重要進(jìn)展。在使用目標(biāo)檢測(cè)算法對(duì)鐵路軌道異物檢測(cè)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(cè)方法，能有效檢測(cè)出航拍視頻中的軌道異物，但是存在誤檢和漏檢的問(wèn)題。張劍等［７］使用ＹＯＬＯｖ３ 設(shè)計(jì)出一種高鐵異物檢測(cè)方法，但是該模型的參數(shù)量較大導(dǎo)致檢測(cè)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(cè)輕量級(jí)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(cè)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(cè)系統(tǒng)，可以實(shí)現(xiàn)在復(fù)雜的鐵路軌道交通情況下對(duì)異物的檢測(cè)，檢測(cè)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(cè)需求，模型的檢測(cè)精度和效率還有待進(jìn)一步提升。

為了解決上述問(wèn)題，本文提出一種基于改進(jìn)ＹＯＬＯｖ７ 的高鐵異物檢測(cè)算法，在檢測(cè)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(cè)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(cè)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(duì)性，從而提高網(wǎng)絡(luò)的檢測(cè)性能；最后，為解決ＣＩｏＵ 損失函數(shù)在小目標(biāo)檢測(cè)中收斂不穩(wěn)定的問(wèn)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(cè)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(cè)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(cè)精度、速度和適應(yīng)性方面都得到了顯著提升。

ＹＯＬＯｖ７ 的檢測(cè)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(cè)頭（ｐｒｅｄｉｃｔｉｏｎ）組成。輸入端的主要作用是對(duì)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(guò)控制最短最長(zhǎng)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(duì)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(yǔ)義特征傳遞下來(lái)，對(duì)整個(gè)金字塔進(jìn)行特征加強(qiáng)；通過(guò)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(cè)頭采用ＲＥＰ 結(jié)構(gòu)（降低誤差剪枝法），對(duì)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(cè)圖像的置信度、類別和錨框信息，并生成最終的檢測(cè)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(duì)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(duì)高鐵異物進(jìn)行檢測(cè)，本文使用上采樣算子ＣＡ-ＲＡＦＥ［１３］ 對(duì)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(duì)輸入圖像的處理過(guò)程中特征信息的損失，從而提高異物檢測(cè)的性能。

ＣＡＲＡＦＥ 由２ 個(gè)模塊組成，分別是上采樣核預(yù)測(cè)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(cè)模塊預(yù)測(cè)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(jí)的神經(jīng)網(wǎng)絡(luò)已成為卷積神經(jīng)網(wǎng)絡(luò)未來(lái)發(fā)展的趨勢(shì)。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(jí)的卷積模塊ＧｈｏｓｔＣｏｎｖ。本文利用這種輕量級(jí)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(lái)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(jiǎn)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(lái)，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(jí)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(duì)人類視覺(jué)的研究，模擬了人類選擇性地關(guān)注某些可見(jiàn)信息而忽略其他信息以合理利用有限的視覺(jué)處理資源的現(xiàn)象，通過(guò)只選擇輸入信息的一部分或者對(duì)輸入信息的不同部分賦予不同的權(quán)重來(lái)解決信息冗余的問(wèn)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(cè)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(guò)選擇性聚焦于通道和空間的期望部分來(lái)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(shí)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(lái)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(guò)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(duì)性，從而提高網(wǎng)絡(luò)的檢測(cè)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(cè)框和真實(shí)框之間的歐幾里得距離，（ｂ，ｂｇｔ）表示預(yù)測(cè)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(cè)框和真實(shí)框的最小外接矩形的對(duì)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(cè)框的寬度和高度的比值；變量ｖ用來(lái)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(cè)框與真實(shí)框的寬高比相等時(shí)，ｖ 為０，將無(wú)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(cè)框的距離、重疊區(qū)域和縱橫比，而沒(méi)有考慮真實(shí)框與預(yù)測(cè)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(guò)度擬合的情況。此外，ＣＩｏＵ 損失函數(shù)對(duì)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(cè)邊界框之間存在較大的偏移或畸變，將會(huì)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(jiǎn)單，模型的訓(xùn)練速度也會(huì)更快；同時(shí)考慮了目標(biāo)框之間的長(zhǎng)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(cè)小目標(biāo)時(shí)，ＣＩｏＵ 損失函數(shù)可能會(huì)因?yàn)榉帜篙^小而導(dǎo)致梯度消失或爆炸的問(wèn)題，而Ａｌｐｈａ＿ＧＩｏＵ 損失函數(shù)采用了平方根形式的約束項(xiàng)，對(duì)小目標(biāo)的檢測(cè)效果更好。Ａｌｐｈａ＿ＧＩｏＵ 是一種基于ＧＩｏＵ 損失函數(shù)的冪函數(shù)，通過(guò)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(cè)框與真實(shí)框的最小限界矩形，Ｂｐ 和Ｂｇｔ 分別為預(yù)測(cè)框和真實(shí)框之間的并集區(qū)域，當(dāng)預(yù)測(cè)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(dòng)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(tái)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(duì)象。經(jīng)過(guò)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(duì)數(shù)據(jù)集樣本較少易造成模型訓(xùn)練時(shí)出現(xiàn)過(guò)擬合的情況，為增強(qiáng)模型泛化性和魯棒性，本文將對(duì)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(duì)該數(shù)據(jù)集進(jìn)行數(shù)據(jù)增強(qiáng)操作，即對(duì)每一張圖像做椒鹽噪聲、顏色抖動(dòng)和翻轉(zhuǎn)以及調(diào)整圖像對(duì)比度操作，該數(shù)據(jù)集由原來(lái)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(duì)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(cè)試集１ ２００ 張、驗(yàn)證集１ ２００ 張。

２． ４ 評(píng)價(jià)指標(biāo)

在目標(biāo)檢測(cè)過(guò)程中，通過(guò)檢測(cè)圖像來(lái)定性評(píng)價(jià)和評(píng)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(lái)衡量模型檢測(cè)性能，包括所有類別的平均檢測(cè)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(cè)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(shí)別的正確結(jié)果在所識(shí)別的所有結(jié)果中的比率；Ｒ 表示查全率，即模型識(shí)別的正確結(jié)果在數(shù)據(jù)集中需要被識(shí)別出結(jié)果的比率；Ｎ 表示數(shù)據(jù)集中待檢測(cè)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(cè)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(cè)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(duì)本文改進(jìn)算法的性能影響，分別設(shè)置了２ 組對(duì)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(duì)本文模型的檢測(cè)效果影響。通過(guò)表２ 的不同損失函數(shù)對(duì)比實(shí)驗(yàn)結(jié)果可以看出，損失函數(shù)的改變對(duì)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(duì)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(cè)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(guò)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(lái)了較小的計(jì)算開(kāi)銷，但是第三組實(shí)驗(yàn)效果更好。基于此，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(lái)進(jìn)行驗(yàn)證。在相同實(shí)驗(yàn)條件下，通過(guò)消融實(shí)驗(yàn)對(duì)比分析各種改進(jìn)策略給模型的檢測(cè)效果帶來(lái)的影響。消融實(shí)驗(yàn)的對(duì)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(guò)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(jí)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(cè)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(shí)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(huì)使平均檢測(cè)精度均值會(huì)有一點(diǎn)降低，但是通過(guò)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(lái)的精度的下降，同時(shí)還可以加快模型的檢測(cè)速度。因此，通過(guò)上述改進(jìn)可以使本文的模型在檢測(cè)精度和檢測(cè)速度上取得較好的平衡。

２． ５． ３ 不同模型對(duì)比實(shí)驗(yàn)

為了評(píng)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(duì)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?jī)H有６． ０３ ＭＢ、ＦＰＳ 高達(dá)１１４，但是該網(wǎng)絡(luò)的檢測(cè)精度僅為８８． ７％ ；相比于檢測(cè)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(cè)精度均值上有明顯優(yōu)勢(shì)，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(cè)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(cè)算法不僅在檢測(cè)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(cè)效果分析

為了更好地驗(yàn)證本文算法，將對(duì)基準(zhǔn)模型ＹＯＬＯｖ７ 網(wǎng)絡(luò)改進(jìn)前后的檢測(cè)效果進(jìn)行對(duì)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(cè)出所有的目標(biāo)且有著更高的檢測(cè)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(cè)效果。

３ 結(jié)束語(yǔ)

本文提出一種ＹＯＬＯｖ７-ＣＧＧＡ 的高鐵異物檢測(cè)算法，可以對(duì)高鐵軌道上的常見(jiàn)入侵異物進(jìn)行實(shí)時(shí)穩(wěn)定的檢測(cè)，應(yīng)用于軌道的日常檢測(cè)和維修。首先將上采樣算法替換為ＣＡＲＡＦＥ 算子，解決了上采樣過(guò)程中圖像出現(xiàn)不連續(xù)和鋸齒狀的問(wèn)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(cè)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(duì)目標(biāo)區(qū)域的感知能力，從而提升網(wǎng)絡(luò)的檢測(cè)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(cè)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(cè)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(cè)關(guān)鍵技術(shù)研究［Ｄ］． 北京：中國(guó)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(cè)系統(tǒng)與方法研究［Ｊ］． 光電子· 激光，２０２０，３１（３）：２６２－２６８．

［３］ 林向會(huì)． 基于視頻分析的鐵路異物侵限檢測(cè)系統(tǒng)的設(shè)計(jì)［Ｄ］． 貴陽(yáng)：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(cè)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(cè)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(cè)輕量級(jí)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(cè)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(jiǎn)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(cè)。

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

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(cè)。

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

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(jué)、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(kāi)放基金項(xiàng)目（ＥＲＣＭＥＫＦＪＪ２０１９－（０６）