10.19713/j.cnki.43-1423/u.T20200405
基于Faster R-CNN的铁路扣件定位方法研究
准确的扣件定位是进行扣件状态检测、保障轨道交通车辆安全运行的基础,传统的基于图像处理的方法难以满足快速准确智能检测的需要.针对这一情况,提出一种基于改进Faster R-CNN的深度学习理论方法,进行扣件定位.首先,建立检测图像数据集并进行图像标注,然后根据实际扣件图像特点建立Faster R-CNN检测模型,利用标注数据优化模型中区域候选网络边框信息以提高检测的召回效率及精度.通过实际检测数据分析验证,本文提出方法提高了检测效率和定位效果,与其他目标检测方法相比,具有更高的召回率和识别准确度,能够快速准确进行扣件定位.
铁路、扣件定位、图像处理、Faster R-CNN
18
U213.2;TP274(铁路线路工程)
北京市教委科技计划一般项目;国家自然科学基金资助项目
2021-03-22(万方平台首次上网日期,不代表论文的发表时间)
共7页
502-508