计算机工程与科学

作者：李利荣, 王子炎, 张开, 杨荻椿, 熊炜, 巩朋成,

单位：1.湖北工业大学电气与电子工程学院,湖北 武汉 430068;2.湖北工业大学太阳能高效利用湖北省协同创新中心,湖北 武汉 430068）

关键词：深度学习,目标检测,d-Resnet,OSEnet,多尺度特征融合,

基金：国家自然科学基金（61601178，61901165）；湖北工业大学博士启动基金（BSQD2017009）

针对列车底部零件难以检测的问题，提出了一种基于OSE-dResnet网络的列车底部零件检测算法。为了增加特征提取的丰富度与准确性，以Resnet50网络为基础，通过增加跨层传输来强化特征的提取；其次，在特征提取网络上嵌入OSEnet模块，利用全局特征增强有益特征通道；最后，将不同尺度特征层进行融合，实现特征信息互补。实验结果表明：引入OSEnet模块和d-Resnet网络后的算法对列车底部零件具有很好的检测效果，在测试数据集上对所提算法进行验证，mAP达到了98.77%。

来源：2022年第4期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2022年第4期