基于深度学习的轨道表面异物识别方法OACSTPCD
Foreign Object Recognition Method for Track Surface Based on Deep Learning
针对现有异物识别方法存在识别精度低、成本高的问题,提出一种基于深度学习的视觉感知方法,对车辆在轨道表面上垂直投影区域的异物进行识别.首先,采用编码与解码框架构建车辆在轨道表面上垂直投影区域的语义分割模型,利用轻量级主干网络MobileNetv3作为特征编码器,并基于LR-ASPP解码器实现特征融合以提升分割精度;其次,从2个方面对YOLOX-s检测模型进行优化,利用深度可分离卷积作为残差单元的特征提取算子,并充分利用算子的高效性降低模型的复杂度,…查看全部>>
刘朝辉;杨杰;陈智超
北京交通大学交通运输学院,北京 100044||国家铁路局安全监察司,北京 100891江西理工大学电气工程与自动化学院,江西赣州 341000江西理工大学电气工程与自动化学院,江西赣州 341000
交通工程
异物识别轨道表面深度学习YOLOX深度可分离卷积注意力机制
《中国铁道科学》 2023 (3)
23-33,11
国家自然科学基金资助项目(62063009)中国科学院赣江创新研究院资助项目(255J001)
评论