基于改进YOLOv5s模型的地铁屏蔽门与列车门间异物快速检测方法

摘要：

快速准确地检测地铁屏蔽门与列车门间异物对于保障安全具有重要意义.针对当前地铁屏蔽门与列车门间异物检测方法的低效和不准确,提出了1种基于YOLOv5s模型的快速检测方法.由于原始YOLOv5s模型在检测异物时仅依赖于候选区域内部特征信息而忽略了全局语义信息,因此引入全局语义模块来解决这一局限.该模块集成了非局部模块和压缩-激励模块:非局部模块采用自注意力机制建模像素对关系,捕获长局信息依赖;压缩-激励模块则起到降低模型计算量的作用.全局语义模块使得模型能够捕获全局语义信息并将其与局部信息相结合,以实现更好的异物检测,同时不会显著增加计算复杂度.此外,原始YOLOv5s模型中低效的Focus模块被1个完全由标准卷积单元构成的Stem模块所取代,有助于减少模型计算量和提高检测速度.使用桌面级显卡NVIDIA TITAN Xp,在从真实地铁站中采集构建而成的5854张地铁异物数据集,对模型进行验证,实验结果表明:①改进后的YOLO模型表现显著优于其它基准模型,检测速度达到385帧/s,相比原始YOLOv5s提升100％,相比最快的YOLOv3-SPP提升466％;②改进后的YOLO模型实现了88.5％的检测平均准确率,相比原始YOLOv5s提升0.5％,相比检测平均准确率最高的YOLOv3-SPP提升0.6％;③此外,改进后的YOLO模型仅占用空间14.4 MB的计算机存储空间,相比原始YOLOv5s减少0.7％,相比所占空间最小的SSD减少85％.

关键词：轨道交通、智慧地铁、异物检测、YOLO模型、注意力机制

所属期刊栏目：41

分类号：U231+.92(特种铁路)

资助基金：国家自然科学基金52172313

在线出版日期：2023-06-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：18-27