Improved Real-Time Detection Transformer-Based Rail Fastener Defect Detection Algorithm

doi:10.3390/math12213349

Improved Real-Time Detection Transformer-Based Rail Fastener Defect Detection Algorithm

2024-10-25

0

OA

AI

DOI：10.3390/math12213349

原文链接

原文求助

摘要

En 中文

为解决Real-Time DEtection TRansformer (RT-DETR)目标检测模型的问题，包括在铁路扣件缺陷检测任务中缺陷特征提取能力不足、计算资源利用效率低下以及自注意力机制中通道注意力不理想等问题，进行了以下改进。首先，设计了一个Super-Resolution Convolutional Module (SRConv)作为独立组件，并将其集成到Backbone网络中，在保持原始图像结构和语义内容的同时增强图像细节和清晰度，从而提升了模型提取缺陷特征的能力。其次，将通道注意力机制集成到RT-DETR的自注意力模块中，以增强对特征图通道的关注，解决了因缺乏通道注意力导致的注意力图稀疏问题，同时节省了计算资源。最后，实验结果表明，与原始模型相比，改进后的基于RT-DETR的铁路扣件缺陷检测算法在增加0.4 MB参数后，实现了更高的精度，在IoU阈值0.5至0.9范围内，Mean Average Precision (mAP)提升了2.8个百分点，Average Recall (AR)在同一阈值范围内提升了1.7个百分点。

Improved Real-Time Detection Transformer-Based Rail Fastener Defect Detection Algorithm

摘要

期刊

机构

引用论文