10.19713/j.cnki.43-1423/u.T20191164
深度学习目标检测算法在货运列车车钩识别中的应用
铁路货运列车的自动摘钩是实现驼峰作业自动化的重要环节,为了完成货运列车自动摘钩工作,需要实现车钩的快速准确识别.通过当前广泛应用的YOLO_v2网络模型,研究针对货运列车在正常工作条件下车钩的识别问题,通过K-means聚类算法对YOLO_v2网络模型中anchor的个数进行调整优化,找出适用于本次车钩识别的最优anchor个数以及宽高维度,并通过训练自制具有明显目标特征数据集来获取更加准确的权重.结果表明改进YOLO_v2模型在精确度上达到92.6%;在召回率上达到了91.8%;在FPS上达到45帧/s,改进的YOLO_v2模型达到了预期设计目标.
改进YOLO_v2模型、货运列车、车钩识别、K-means聚类算法
17
TP391(计算技术、计算机技术)
辽宁省教育厅资助项目LQGD2017034
2020-12-16(万方平台首次上网日期,不代表论文的发表时间)
共6页
2479-2484