1
现有的深度学习模型很难满足高速检测的实时性,针对性地提岀了一种结构化区域全卷积神经网络SR-rCN)。为了满足高速綜合巡检车实时检测的要求,考虑到轨道图像中钢轨、扣件、轨道板等设施位置相对固定,其位置分布可以构成轨道场景特有的结构化特征,因此设定了结构化检测区域,将一幅图像中扣件刂日标的检测转化为一整块具有固定结构的大目标区域检测,将扣件小目标的检测问题转化为结构化区域的定位问题,可加快网络的训练收敛速度,减少候选区域的生成个数,从而大幅提高检测速度。将铁路轨道的结构化先验信息融合到深度学习网络的各个过程中,有效提高了定位精度,保证了检测的鲁棒性。实验室离线分析和现场在线检测的结果表眀,所提岀的SR-FCN网络分别萩得了99.99%和9.δ4%的检测精度,冋时还保持了较快的检测速度,可以满足350kmh的实时检测要求。
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表德赢Vwin官网 网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
全部0条评论
快来发表一下你的评论吧 !