适用于地铁异物前景检测的神经网络——DifferentNet

摘要：

针对地铁站屏蔽门与列车门间隙空间异物检测问题,提出了一种结合语义分割与背景参考的前景检测方法.该方法通过深度神经网络DifferentNet检测图像中的异物区域,首先,在列车停靠站台的过程中采集背景图片和待检测图片,通过网络的编码部分提取图像的特征信息得到特征金字塔,将两幅图片的特征图连接,再由解码部分计算特征差异得到待检测图片的前景热力图,最后经阈值分割和轮廓筛选得到检测结果.实验结果表明,该方法的前景交并比(cIoU)达81.2％,调和均值F1达89.5％,运行速率为30帧/s,与传统方法及无背景参考的图像分割网络相比,取得了更好的效果.

关键词：地铁;异物检测;深度学习;语义分割;前景检测

所属期刊栏目：49

分类号：U23+.92(特种铁路)

资助基金：国家"十三五"重点研发计划;2015年广东省高端装备制造产业标准编制项目

在线出版日期：2021-12-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：11-21,40