改进YOLOV5s的铁轨裂纹目标检测算法

作者：苗新法; 刘宝莲; 李晓琴; 侯越

来源：计算机工程与应用, 2023, 1-11.

• 目标检测
• YOLOV5
• GSconv
• 注意力机制

铁轨表面的裂纹图像目标小、背景干扰信息多、分辨率高，使其目标检测效果并不理想。对此，文章提出一种改进YOLOV5s的目标检测算法以提升铁轨裂纹的检测效果。首先，在颈部网络中引入VOV-GSCSP模块，用更轻量的卷积方式GSconv来替换普通的卷积，在保留更多细节信息的同时减轻网络的计算量。其次，改进特征金字塔结构，提出多路径跨层融合结构，在特征金字塔下采样的过程中跨层融入主干网络的信息，保留更多原始的特征信息，提升目标检测的精度。同时，引入CA注意力模块和Transformer结构进一步加强高阶语义的信息提取。实验结果表明，改进的YOLOV5s算法，平均均值精度（mAP）达到60.4%，相对于原YOLOV5s算法提高了6.2%;召回率（Recall）为82.2%，提升了4.4%。

• 出版日期2023
• 单位兰州交通大学