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
基于改进SOLOv2网络的动车组TEDS图像辅助识别关键技术研究
1
作者
范立
李丹勇
+2 位作者
刘冰
尤嘉
贾潞
《铁道机车车辆》
北大核心
2025年第2期1-11,共11页
TEDS是保障动车组运行安全的重要监测设备之一,目前其图像缺陷检测方式主要依赖人工。为了降低劳动强度,提高检测效率,针对现有智能检测算法存在的负样本少、误报率与漏报率高的问题,文中设计了一套基于深度学习的TEDS图像辅助检测系统...
TEDS是保障动车组运行安全的重要监测设备之一,目前其图像缺陷检测方式主要依赖人工。为了降低劳动强度,提高检测效率,针对现有智能检测算法存在的负样本少、误报率与漏报率高的问题,文中设计了一套基于深度学习的TEDS图像辅助检测系统,该系统采用基于深度可分离卷积方法改进的SOLOv2算法对图像中的零部件进行精确定位,并排除零部件的背景信息以降低误报。提出GAN网络与特征匹配相融合的无监督异常检测算法用于检测异常零部件,解决了单独依赖深度学习方法的检测算法易漏报的问题。试验结果表明,该系统在零漏报的前提下,平均误报率仅为8.66%。不仅保证了检测的准确性,而且减少了检测人员复核误报图像的数量,间接提高了检测人员的检测效率。
展开更多
关键词
深度学习
solov2
算法
GAN网络
特征匹配
TEDS
在线阅读
下载PDF
职称材料
题名
基于改进SOLOv2网络的动车组TEDS图像辅助识别关键技术研究
1
作者
范立
李丹勇
刘冰
尤嘉
贾潞
机构
北京交通大学电子信息工程学院
北京纵横机电科技有限公司
中国铁道科学研究院集团有限公司机车车辆研究所
中国铁道科学研究院集团有限公司电子计算技术研究所
中国铁路北京局集团有限公司北京动车段
出处
《铁道机车车辆》
北大核心
2025年第2期1-11,共11页
基金
中国铁路北京局集团有限公司科研课题(2019CC17)
北京市自然科学基金(4202059)
中央高校基本科研业务费项目(2020JBM011)。
文摘
TEDS是保障动车组运行安全的重要监测设备之一,目前其图像缺陷检测方式主要依赖人工。为了降低劳动强度,提高检测效率,针对现有智能检测算法存在的负样本少、误报率与漏报率高的问题,文中设计了一套基于深度学习的TEDS图像辅助检测系统,该系统采用基于深度可分离卷积方法改进的SOLOv2算法对图像中的零部件进行精确定位,并排除零部件的背景信息以降低误报。提出GAN网络与特征匹配相融合的无监督异常检测算法用于检测异常零部件,解决了单独依赖深度学习方法的检测算法易漏报的问题。试验结果表明,该系统在零漏报的前提下,平均误报率仅为8.66%。不仅保证了检测的准确性,而且减少了检测人员复核误报图像的数量,间接提高了检测人员的检测效率。
关键词
深度学习
solov2
算法
GAN网络
特征匹配
TEDS
Keywords
deep learning
solov2 algorithm
GAN network
feature matching
TEDS
分类号
U266 [机械工程—车辆工程]
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
基于改进SOLOv2网络的动车组TEDS图像辅助识别关键技术研究
范立
李丹勇
刘冰
尤嘉
贾潞
《铁道机车车辆》
北大核心
2025
0
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
