期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于深度残差神经网络的地铁站台门与列车门间异物自动检测方法研究
被引量：
8
1
作者
孔德龙
蒲凡
《城市轨道交通研究》
北大核心
2021年第12期66-70,共5页
针对地铁站台门与列车门间现有异物检测方法的精度差、误报率高的问题,提出基于深度残差神经网络图像识别原理,利用地铁站台发车指示器图像数据实现站台门与列车门间异物实时检测。首先,搭建基于深度残差神经网络ResNet50模型的自动异...
针对地铁站台门与列车门间现有异物检测方法的精度差、误报率高的问题,提出基于深度残差神经网络图像识别原理,利用地铁站台发车指示器图像数据实现站台门与列车门间异物实时检测。首先,搭建基于深度残差神经网络ResNet50模型的自动异物检测系统;然后,采集站台发车指示器视频帧信息建立数据集并完成系统训练;最后,分析自动异物检测系统对验证信息集的处理效果,并将该系统应用于实际地铁车站中。处理效果表明:实际应用验证中最低准确率为98.7%,单张视频帧处理总耗时不超过65 ms,满足地铁实际运营的要求。
展开更多
关键词
地铁
站台门异物
残差神经网络
图像识别
自动检测
在线阅读
下载PDF
职称材料
题名
基于深度残差神经网络的地铁站台门与列车门间异物自动检测方法研究
被引量：
8
1
作者
孔德龙
蒲凡
机构
中南民族大学计算机科学学院
出处
《城市轨道交通研究》
北大核心
2021年第12期66-70,共5页
基金
国家自然科学基金资助项目(61803314)
中央高校基本科研业务费项目(CZQ19006)。
文摘
针对地铁站台门与列车门间现有异物检测方法的精度差、误报率高的问题,提出基于深度残差神经网络图像识别原理,利用地铁站台发车指示器图像数据实现站台门与列车门间异物实时检测。首先,搭建基于深度残差神经网络ResNet50模型的自动异物检测系统;然后,采集站台发车指示器视频帧信息建立数据集并完成系统训练;最后,分析自动异物检测系统对验证信息集的处理效果,并将该系统应用于实际地铁车站中。处理效果表明:实际应用验证中最低准确率为98.7%,单张视频帧处理总耗时不超过65 ms,满足地铁实际运营的要求。
关键词
地铁
站台门异物
残差神经网络
图像识别
自动检测
Keywords
metro
foreign objects at platform screen door
residual neural network
image identification
automatic detection
分类号
U231.4 [交通运输工程—道路与铁道工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于深度残差神经网络的地铁站台门与列车门间异物自动检测方法研究
孔德龙
蒲凡
《城市轨道交通研究》
北大核心
2021
8
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
