基于Cascade R?CNN的铁路路基翻浆冒泥 病害智能识别方法

• 作者: 徐昕军 江波 黄启迪
• 来源期刊: 铁道建筑
• 学科: 交通运输
• 关键词: 铁路路基 翻浆冒泥 路基病害 目标检测 病害识别 Cascade R?CNN 机器学习
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 路基与地基基础
• 页码范围: 99-104
• 页数: 6页
• 分类号: U216.3|TP391.4
• 字数: 5184字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-1995.2019.12.23

摘要

针对铁路路基检测数据量大、人工识别效率低的问题,提出一种基于深度学习的铁路路基翻浆冒泥病害智能识别方法.本方法以级联区域卷积神经网络(Cascade Region Convolutional Neural Networks,Cascade R?CNN)为基础识别算法,利用Cascade R?CNN的多阶段检测架构,逐级提高交并比IoU阈值,在不减少样本数的前提下提高模型性能.为解决距离较近的高置信度目标病害被抑制的问题,使用Soft?NMS(Non?maximum Suppression)方法代替传统NMS,以减少假阳性结果的出现.同时,针对自制训练集样本量较小的问题,综合运用多种数据增强技术,防止模型过拟合,提高鲁棒性.试验结果表明,采用改进的基于Cascade R?CNN的识别方法在自制数据集上取得了43.7％的平均精度.模型对比试验也进一步验证了本文方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	江波	中国铁道科学研究院集团有限公司基础设施检测研究所	9	139	6.0	9.0
2	徐昕军	中国铁道科学研究院集团有限公司基础设施检测研究所	1	2	1.0	1.0
3	黄启迪	中国铁道科学研究院集团有限公司基础设施检测研究所	1	2	1.0	1.0