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
2
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
基于深度学习的铁路异物侵限快速检测方法
被引量：
8
1
作者
王辉
姜朱丰
+3 位作者
吴雨杰
范自柱
罗国亮
杨辉
《铁道科学与工程学报》
EI
CAS
CSCD
北大核心
2024年第5期2086-2098,共13页
针对列车运行环境内因意外突发事件所造成的异物侵限而影响列车安全运行的问题,在被广泛应用于工业领域的YOLOv3目标检测模型的基础之上,提出一种融合轨道限界和侵限异物识别的快速检测方法。首先,以ResNet-18网络作为铁路限界检测的主...
针对列车运行环境内因意外突发事件所造成的异物侵限而影响列车安全运行的问题,在被广泛应用于工业领域的YOLOv3目标检测模型的基础之上,提出一种融合轨道限界和侵限异物识别的快速检测方法。首先,以ResNet-18网络作为铁路限界检测的主干网络,利用辅助检测模块提升限界检测精度,达到特征提取速度快,语义信息丰富充足等目标。同时采用基于行锚框的分割算法检测轨道线坐标位置,结合标准轨距下的限界定义确定铁路异物入侵限界的范围,以减少侵限异物检测的区域。其次,设计基于Octave卷积的层内多尺度残差模块,将单通道卷积变为基于图像频率的双通道卷积,以降低卷积计算量,进一步提升异物侵限算法的检测速度。最后,引入空间金字塔模块和特征自适应融合模块,实现高、低级语义信息交换,从而增加网络对不同尺度目标的感知能力,并减少语义冲突问题。通过对比实验验证异物侵限检测算法的精度、速度和有效性。实验结果表明,所述方法能以172帧/s的速度对轨道位置和限界区域进行检测,精确度达98.12%。与其他算法相比,在大中小3种目标尺度上都超越了其他对比算法。所提出的融合轨道限界和侵限异物检测的方法,在保证精度的前提下,速度达到YOLOv3算法的2倍,能够满足列车对侵限异物的实时检测需求。
展开更多
关键词
异物侵限检测
Octave卷积
行锚框
铁路限界检测
空间金字塔
特征自适应融合
在线阅读
下载PDF
职称材料
基于深度学习的铁路限界快速检测算法
被引量：
6
2
作者
王辉
吴雨杰
+1 位作者
范自柱
杨辉
《铁道科学与工程学报》
EI
CAS
CSCD
北大核心
2023年第4期1223-1231,共9页
列车行驶环境快速、可靠、精准感知是列车安全、高效运行的前提和关键支撑技术。列车若无法提前感知非法侵入铁路限界范围内的异物,并在短时间内有效制动,将会导致严重的安全事故。为解决列车运行环境内影响运行安全的异物侵限问题,基...
列车行驶环境快速、可靠、精准感知是列车安全、高效运行的前提和关键支撑技术。列车若无法提前感知非法侵入铁路限界范围内的异物,并在短时间内有效制动,将会导致严重的安全事故。为解决列车运行环境内影响运行安全的异物侵限问题,基于深度学习算法,提出一种铁路轨道限界快速检测算法。该方法首先采用预设行锚框的方式对图像进行划分,将传统分割算法的逐像素预测,转变为对每个行锚框进行逐网格预测,以达到显著降低算法计算量,并提高检测速度的目的。同时,通过快速识别图像中属于轨道部分的像素,结合轨道线的连续特征进行追踪,达到铁路轨道坐标的智能快速识别。最后根据标准轨距下限界的定义,对识别出的轨道线坐标和侵限区域进行扩充,以确定铁路异物入侵限界的范围。通过在真实轨道数据集上的对比实验,验证所提算法能以172FPS的速度快速检测铁路限界,且轨道线和限界区域的识别精度分别达到98.96%和98.12%,F1值分别达到99.68%和98.95%,限界区域检测的平均交并比MIoU达到96.88%,各类指标均取得当前最好的准确率和性能,满足高速列车对环境感知精度和速度要求,可以为异物侵限检测、目标跟踪和列车控制等环境感知及运行控制等下游任务提供基础,提升列车运行的安全性。
展开更多
关键词
铁路限界
行锚框
深度学习
铁路轨道
图像分割
在线阅读
下载PDF
职称材料
题名
基于深度学习的铁路异物侵限快速检测方法
被引量：
8
1
作者
王辉
姜朱丰
吴雨杰
范自柱
罗国亮
杨辉
机构
华东交通大学软件学院
江西省先进控制与优化重点实验室
南昌虚拟现实研究院股份有限公司
出处
《铁道科学与工程学报》
EI
CAS
CSCD
北大核心
2024年第5期2086-2098,共13页
基金
国家自然科学基金资助项目(61991401,U2034211)
江西省自然科学基金资助项目(20224BAB212014,20232ABC03A04)
教育部人文社会科学研究项目(22YJCZH168)。
文摘
针对列车运行环境内因意外突发事件所造成的异物侵限而影响列车安全运行的问题,在被广泛应用于工业领域的YOLOv3目标检测模型的基础之上,提出一种融合轨道限界和侵限异物识别的快速检测方法。首先,以ResNet-18网络作为铁路限界检测的主干网络,利用辅助检测模块提升限界检测精度,达到特征提取速度快,语义信息丰富充足等目标。同时采用基于行锚框的分割算法检测轨道线坐标位置,结合标准轨距下的限界定义确定铁路异物入侵限界的范围,以减少侵限异物检测的区域。其次,设计基于Octave卷积的层内多尺度残差模块,将单通道卷积变为基于图像频率的双通道卷积,以降低卷积计算量,进一步提升异物侵限算法的检测速度。最后,引入空间金字塔模块和特征自适应融合模块,实现高、低级语义信息交换,从而增加网络对不同尺度目标的感知能力,并减少语义冲突问题。通过对比实验验证异物侵限检测算法的精度、速度和有效性。实验结果表明,所述方法能以172帧/s的速度对轨道位置和限界区域进行检测,精确度达98.12%。与其他算法相比,在大中小3种目标尺度上都超越了其他对比算法。所提出的融合轨道限界和侵限异物检测的方法,在保证精度的前提下,速度达到YOLOv3算法的2倍,能够满足列车对侵限异物的实时检测需求。
关键词
异物侵限检测
Octave卷积
行锚框
铁路限界检测
空间金字塔
特征自适应融合
Keywords
foreign object intrusion detection
octave convolution
row-wise anchor
railway clearance detection
spatial pyramid
feature adaptive fusion
分类号
TP391 [自动化与计算机技术—计算机应用技术]
U216.3 [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
基于深度学习的铁路限界快速检测算法
被引量：
6
2
作者
王辉
吴雨杰
范自柱
杨辉
机构
华东交通大学软件学院
轨道交通基础设施性能监测与保障国家重点实验室
出处
《铁道科学与工程学报》
EI
CAS
CSCD
北大核心
2023年第4期1223-1231,共9页
基金
国家自然科学基金资助项目(U2034211,61991401,61991404)
江西省自然科学基金资助项目(20224BAB212014)
教育部人文社会科学研究交叉学科项目(22YJCZH168)。
文摘
列车行驶环境快速、可靠、精准感知是列车安全、高效运行的前提和关键支撑技术。列车若无法提前感知非法侵入铁路限界范围内的异物,并在短时间内有效制动,将会导致严重的安全事故。为解决列车运行环境内影响运行安全的异物侵限问题,基于深度学习算法,提出一种铁路轨道限界快速检测算法。该方法首先采用预设行锚框的方式对图像进行划分,将传统分割算法的逐像素预测,转变为对每个行锚框进行逐网格预测,以达到显著降低算法计算量,并提高检测速度的目的。同时,通过快速识别图像中属于轨道部分的像素,结合轨道线的连续特征进行追踪,达到铁路轨道坐标的智能快速识别。最后根据标准轨距下限界的定义,对识别出的轨道线坐标和侵限区域进行扩充,以确定铁路异物入侵限界的范围。通过在真实轨道数据集上的对比实验,验证所提算法能以172FPS的速度快速检测铁路限界,且轨道线和限界区域的识别精度分别达到98.96%和98.12%,F1值分别达到99.68%和98.95%,限界区域检测的平均交并比MIoU达到96.88%,各类指标均取得当前最好的准确率和性能,满足高速列车对环境感知精度和速度要求,可以为异物侵限检测、目标跟踪和列车控制等环境感知及运行控制等下游任务提供基础,提升列车运行的安全性。
关键词
铁路限界
行锚框
深度学习
铁路轨道
图像分割
Keywords
railway clearance
row anchor box
deep learning
railway track
image segmentation
分类号
TP391 [自动化与计算机技术—计算机应用技术]
U216.3 [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
基于深度学习的铁路异物侵限快速检测方法
王辉
姜朱丰
吴雨杰
范自柱
罗国亮
杨辉
《铁道科学与工程学报》
EI
CAS
CSCD
北大核心
2024
8
在线阅读
下载PDF
职称材料
2
基于深度学习的铁路限界快速检测算法
王辉
吴雨杰
范自柱
杨辉
《铁道科学与工程学报》
EI
CAS
CSCD
北大核心
2023
6
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
