基于Cascade R?CNN的铁路路基翻浆冒泥 病害智能识别方法
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.3969/j.issn.1003-1995.2019.12.23

基于Cascade R?CNN的铁路路基翻浆冒泥 病害智能识别方法

引用
针对铁路路基检测数据量大、人工识别效率低的问题,提出一种基于深度学习的铁路路基翻浆冒泥病害智能识别方法.本方法以级联区域卷积神经网络(Cascade Region Convolutional Neural Networks,Cascade R?CNN)为基础识别算法,利用Cascade R?CNN的多阶段检测架构,逐级提高交并比IoU阈值,在不减少样本数的前提下提高模型性能.为解决距离较近的高置信度目标病害被抑制的问题,使用Soft?NMS(Non?maximum Suppression)方法代替传统NMS,以减少假阳性结果的出现.同时,针对自制训练集样本量较小的问题,综合运用多种数据增强技术,防止模型过拟合,提高鲁棒性.试验结果表明,采用改进的基于Cascade R?CNN的识别方法在自制数据集上取得了43.7%的平均精度.模型对比试验也进一步验证了本文方法的有效性.

铁路路基、翻浆冒泥、路基病害、目标检测、病害识别、Cascade R?CNN、机器学习

59

U216.3;TP391.4(铁路线路工程)

中国铁路总公司科技研究开发计划2017G002-Q

2020-01-16(万方平台首次上网日期,不代表论文的发表时间)

共6页

99-104

相关文献
评论
暂无封面信息
查看本期封面目录

铁道建筑

1003-1995

11-2027/U

59

2019,59(12)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn