基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为了解决传统算法对于铁路货运列车车号识别准确率不高问题,提出了一种面向铁路货车车号定位的Faster R-CNN神经网络.通过调整特征提取网络的相关尺寸参数及连接方式增强了最后一层卷积特征图的细节特征.并采用k-means++聚类算法求取车号区域长宽比改进anchor尺寸设计,使目标检测框与实际车号区域更加贴合.实验过程中,采用了数据增广、dropout方法提升网络的鲁棒性.结果 显示,改进Faster R-CNN网络在铁路货车车号定位精度达到了93.15%,召回率90.76%,综合F1指标91.94%,也说明该方法能够对铁路货车车号准确定位,并为车号识别过程提供可靠的数据支持.
推荐文章
应用GAN和Faster R-CNN的色织物缺陷识别
色织物
图像扩充
生成对抗网络
FasterR-CNN
缺陷识别
基于DRN和Faster R-CNN融合模型的行为识别算法
行为识别
扩张残差网络
Faster R-CNN
基于Faster R-CNN的服务机器人物品识别研究
服务机器人
深度学习
Faster R-CNN
物品识别
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 面向铁路货车车号定位的Faster R-CNN卷积神经网络
来源期刊 电子测量与仪器学报 学科
关键词 货车车号定位 Faster R-CNN 卷积神经网络 特征增强
年,卷(期) 2020,(10) 所属期刊栏目 “视觉测量与图像处理”专题|VISUAL MEASUREMENT AND IMAGE PROCESSING
研究方向 页码范围 65-73
页数 9页 分类号 TP391.41
字数 语种 中文
DOI 10.13382/j.jemi.B2003051
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (66)
共引文献  (41)
参考文献  (11)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(3)
  • 参考文献(0)
  • 二级参考文献(3)
2008(3)
  • 参考文献(0)
  • 二级参考文献(3)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(4)
  • 参考文献(0)
  • 二级参考文献(4)
2011(2)
  • 参考文献(0)
  • 二级参考文献(2)
2012(2)
  • 参考文献(0)
  • 二级参考文献(2)
2013(7)
  • 参考文献(0)
  • 二级参考文献(7)
2014(4)
  • 参考文献(0)
  • 二级参考文献(4)
2015(8)
  • 参考文献(1)
  • 二级参考文献(7)
2016(7)
  • 参考文献(2)
  • 二级参考文献(5)
2017(9)
  • 参考文献(0)
  • 二级参考文献(9)
2018(10)
  • 参考文献(3)
  • 二级参考文献(7)
2019(6)
  • 参考文献(3)
  • 二级参考文献(3)
2020(2)
  • 参考文献(2)
  • 二级参考文献(0)
2020(2)
  • 参考文献(2)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
货车车号定位
Faster R-CNN
卷积神经网络
特征增强
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电子测量与仪器学报
月刊
1000-7105
11-2488/TN
大16开
北京市东城区北河沿大街79号
80-403
1987
chi
出版文献量(篇)
4663
总下载数(次)
23
总被引数(次)
44770
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导