基于Encoder-Decoder网络的列车轮对激光曲线提取
提出了一种基于Encoder-Decoder网络的列车轮对激光曲线精确分割的算法.针对列车轮对激光曲线数据集局部特征丰富、语义信息简单的特点,设计了具有深度较浅、分辨率较高、细节表现良好的网络.设计的网络很好的利用了密集链接机制和上采样模块,加强了特征复用以及特征传播,具有较少参数的同时,能多尺度提取上下文语义信息.实验证明,Encoder-Decoder网络相比于其他网络在列车轮对激光曲线提取上表现出优异的性能.基于Encoder-Decoder的网络在列车轮对激光曲线数据集上交并比、召回率、准确率和F1_score指标分别达到了86.5%、89.2%、99.9%、85.0%,能够比较精准提取列车轮对激光条纹.同时Encoder-Decoder网络在进行列车轮对激光条纹分割时能在一定程度上改善噪声对条纹提取的影响.因此在铁路安全方面具有良好的应用前景.
深度学习;图像处理;目标分割;结构光测量;激光条纹分割;encoder-decoder
32
O436(光学)
国家自然科学基金61771409
2021-10-08(万方平台首次上网日期,不代表论文的发表时间)
共11页
602-612