【技术实现步骤摘要】
铁路侵限异物检测方法、装置及终端
本专利技术属于铁路检测
，尤其涉及一种铁路侵限异物检测方法、装置及终端。
技术介绍
滚石、行人、动物等异物侵入铁路限界，频频引发铁路交通事故，严重威胁了人民生命财产安全和铁路运输经济的发展。因此，对铁路侵限异物进行准确检测，对于铁路运输至关重要。利用YOLOV4卷积神经网络模型，对铁路侵限异物进行检测，是一种有效的解决办法。然而，现有的YOLOV4卷积神经网络模型在提取图像特征过程中，对数据特征的提取能力较差，导致对铁路侵限异物的检测准确率低。
技术实现思路
有鉴于此，本专利技术实施例提供了一种铁路侵限异物检测方法、装置及终端，以提高现有的铁路侵限异物检测方法的检测准确率。本专利技术实施例的第一方面提供了一种铁路侵限异物检测方法，包括：构建铁路侵限异物检测模型，其中，铁路侵限异物检测模型包括用于从输入图像中提取特征图的特征提取网络以及用于检测特征图中目标的检测网络；特征提取网络包括多个包含通道注意力处理层的深度可分离卷积残差块，深度可分离卷积...
【技术保护点】
1.一种铁路侵限异物检测方法，其特征在于，包括：/n构建铁路侵限异物检测模型，其中，所述铁路侵限异物检测模型包括用于从输入图像中提取特征图的特征提取网络以及用于检测特征图中目标的检测网络；所述特征提取网络包括多个包含通道注意力处理层的深度可分离卷积残差块，所述深度可分离卷积残差块在进行深度可分离卷积操作时，通过所述通道注意力处理层进行特征融合；/n获取训练样本集；其中，所述训练样本集中的样本包括铁路侵限区域存在异物的图像；/n基于所述训练样本集，对所述铁路侵限异物检测模型进行训练；/n获取铁路侵限区域对应的待检测图像，并将所述待检测图像作为训练得到的铁路侵限异物检测模型的输...
【技术特征摘要】 【专利技术属性】
1.一种铁路侵限异物检测方法，其特征在于，包括：
构建铁路侵限异物检测模型，其中，所述铁路侵限异物检测模型包括用于从输入图像中提取特征图的特征提取网络以及用于检测特征图中目标的检测网络；所述特征提取网络包括多个包含通道注意力处理层的深度可分离卷积残差块，所述深度可分离卷积残差块在进行深度可分离卷积操作时，通过所述通道注意力处理层进行特征融合；
获取训练样本集；其中，所述训练样本集中的样本包括铁路侵限区域存在异物的图像；
基于所述训练样本集，对所述铁路侵限异物检测模型进行训练；
获取铁路侵限区域对应的待检测图像，并将所述待检测图像作为训练得到的铁路侵限异物检测模型的输入图像，对所述待检测图像进行铁路侵限异物检测。
2.如权利要求1所述的铁路侵限异物检测方法，其特征在于，所述特征提取网络还包括卷积层；
所述特征提取网络从输入图像中提取特征图的过程包括：
所述卷积层从输入图像中提取初始特征图；
所述卷积层将初始特征图输出，输出的初始特征图依次经过各个深度可分离卷积残差块进行深度可分离卷积，得到输入图像对应的特征图。
3.如权利要求2所述的铁路侵限异物检测方法，其特征在于，所述深度可分离卷积残差块还包括ResBlock层和特征融合层；
所述通道注意力处理层包括挤压单元、激发单元和权重分配单元；
每个深度可分离卷积残差块对初始特征图执行以下操作：
所述ResBlock层对初始特征图进行卷积，得到第一初始特征图；其中，所述第一初始特征图为多通道特征图；
所述挤压单元将所述第一初始特征图中各个通道对应的空间特征进行全局平均池化编码，得到各个通道对应的全局描述特征；
所述激发单元根据各个通道对应的全局描述特征计算各个通道之间的相关性，得到各个通道的权重值；
所述权重分配单元根据各个通道的权重值对所述第一初始特征图进行权重分配，得到第二初始特征图；
所述特征融合层将所述第一初始特征图、所述第二初始特征图进行逐通道相加后输出。
4.如权利要求3所述的铁路侵限异物检测方法，其特征在于，通过以下公式对所述第一初始特征图进行权重分配：
Fscale(uc,sc)＝uc×sc
式中，uc为第一初始特征图，sc为各个通道的权重值形成的权重矩阵。
5.如权利要求1所述的铁路侵限异物检测方法，其特征在于，所述检测网络检测特征图中目标的过程包括：
技术研发人员：余志强，张明，杨轶轩，朴春慧，孙晓云，何朝峰，冯涛，刘卫东，方庆园，金梦哲，
申请(专利权)人：石家庄铁道大学，
类型：发明
国别省市：河北;13
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。