紅外弱光下多特征融合與注意力增強(qiáng)鐵路異物檢測

摘要： 針對紅外弱光環(huán)境下鐵路異物檢測時存在目標(biāo)特征提取不充分、檢測精度及實(shí)時性低的問題，在CenterNet目標(biāo)檢測模型的基礎(chǔ)上，提出了一種紅外弱光下多特征融合與注意力增強(qiáng)的無錨框異物檢測深度學(xué)習(xí)模型。在紅外目標(biāo)多尺度特征提取的基礎(chǔ)上，引入自適應(yīng)特征融合(ASFF)模塊，充分利用目標(biāo)高層語義與底層細(xì)粒度特征信息，提升紅外目標(biāo)特征提取能力。通過提出的空洞卷積增強(qiáng)注意力模塊(Dilate...