一种用于货运列车实时视觉故障检测系统的轻量无 NMS 框架
计算机视觉与模式识别
2022-05-26 v1 图像与视频处理
摘要
基于视觉的货运列车实时故障检测系统（RVBS-FD）是保障铁路运输安全的重要组成部分。现有多数基于视觉的方法仍基于卷积神经网络而具有较高计算成本。计算成本主要体现在骨干网络、颈部以及后处理即非极大值抑制（NMS）上。本文提出一种轻量无 NMS 框架，以同时实现实时检测与高精度。首先，我们使用轻量骨干网络进行特征提取，并设计故障检测金字塔处理特征。该故障检测金字塔包含三个新颖的独立模块，分别利用注意力机制、瓶颈结构与空洞卷积进行特征增强与计算量削减。我们以计算检测头中包括分类与定位代价的多种损失函数取代 NMS，进一步降低计算量。实验结果表明，我们的框架以小于最先进检测器的模型尺寸取得超过 83 帧每秒的速度与更高精度。同时，我们的方法在训练与测试过程中对硬件资源需求较低。
引用
@article{arxiv.2205.12458,
title = {A Lightweight NMS-free Framework for Real-time Visual Fault Detection System of Freight Trains},
author = {Guodong Sun and Yang Zhou and Huilin Pan and Bo Wu and Ye Hu and Yang Zhang},
journal= {arXiv preprint arXiv:2205.12458},
year = {2022}
}
备注
11 pages, 5 figures, accepted by IEEE Transactions on Instrumentation and Measurement