改进FCOS模型的细长物体检测算法研究  

Research on Algorithm of Slender Object Detection Based on Improved FCOS

作　　者：范佳能 李开宇[1] 仲志强 赵慧弢 白千帆 FAN Jianeng;LI Kaiyu;ZHONG Zhiqiang;ZHAO Huitao;BAI Qianfan(College of Automation Engineering,Nanjing University of Aeronautics and Astronautics,Nanjing 211106,China;NARI Group Corporation,Nanjing 211106,China)

机构地区：[1]南京航空航天大学自动化学院,江苏南京211106 [2]南瑞集团有限公司,江苏南京211106

出　　处：《机械制造与自动化》2025年第1期123-127,共5页Machine Building & Automation

基　　金：国家自然科学基金项目(61905112);南京航空航天大学校创新计划项目(xcxjh20220335)。

摘　　要：针对以电缆为代表的细长物体目标检测问题,以FCOSv2模型为基础,通过融合细长物体的“细长度”和方向角度θ信息改进了正样本分配策略,在主干网络和预测头加入调制可变形卷积,提升改进后FCOS模型的检测能力。实验结果表明:在推理速度相当的情况下,改进后的FCOS模型达到83.2%的mAP,实现了检测精度与速度的均衡。To solve the problem of object detection of slender objects represented by cables,based on FCOSv2 model,proposes the fusion of"slenderness"and directional angleθof slender objects to improves the positive sample allocation strategy,and adds modulation-deformable convolution to the backbone network and prediction head,which upgrades the detection capability of the improved FCOS model.The experimental results show that the improved FCOS model achieves 83.2%mAP at the same reasoning speed,and achieves the balance of detection accuracy and speed.

关 键 词：细长物体 目标检测 正样本分配 FCOS 特征自适应 

分 类 号：TP202[自动化与计算机技术—检测技术与自动化装置]