文献

J-GLOBAL ID：202002259037778701   整理番号：20A0950634

画像処理と改良型Yolov3モデルに基づく鉄道軌道ラインのためのマルチターゲット欠陥同定【JST・京大機械翻訳】

Multi-Target Defect Identification for Railway Track Line Based on Image Processing and Improved YOLOv3 Model

著者 (5件)： Wei Xiukun (State Key Laboratory of Rail Traffic Control and Safety, Beijing Jiaotong University, Beijing, China) ,  Wei Dehua (School of Traffic and Transportation, Beijing Jiaotong University, Beijing, China) ,  Suo Da (School of Traffic and Transportation, Beijing Jiaotong University, Beijing, China) ,  Jia Limin (State Key Laboratory of Rail Traffic Control and Safety, Beijing Jiaotong University, Beijing, China) ,  Li Yujie (Beijing Mass Transit Railway Operation Corporation Ltd., Beijing, China)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 61973-61988  発行年： 2020年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 鉄道軌道線の状態監視は,鉄道輸送システムの安全性を確保するための重要な作業の1つである。鉄道軌道線は主に軌道,ファスナ,sle木などで構成されている。本論文では,画像処理と深い学習法を用いた鉄道軌道線のマルチターゲット欠陥同定のための迅速で正確な検査,革新的で知的な方法の必要条件を提案した。最初に,分散投影とウェーブレット変換に基づく軌道とファスナ位置決め方法を導入した。その後,空間ピラミッド分解と組み合わせた可視-視覚-単語(BOVW)モデルを,96.26%の検出精度で,鉄道軌道線マルチターゲット欠陥検出のために提案した。第二に,TLMDDNetと名付けた改良YOLOv3モデル(トラックラインマルチターゲット検出ネットワーク),統合スケール縮小と特徴連接を提案して,検出精度と効率を強化した。最終的に,モデル複雑性を減少させて,高密度接続構造の助けを借りて,検出速度をさらに向上させるために,DC-TLMDDNet(Dense接続ベースTLMDDNet)と呼ばれるTLMDDNetモデルのための軽量設計戦略を提案する。それにおいて,DenseネットをTLMDDNetのバックボーンネットワークにおける特徴抽出層を最適化するために適用する。提案した方法の有効性を実験結果により実証した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  視覚 ,  学習 ,  ネットワーク ,  *鉄道軌道 ,  鉄道輸送 ,  特徴抽出 ,  位置決め ,  故障検出 ,  *画像処理 ,  基幹回線 ,  必要条件 ,  単語 ,  ウェーブレット変換
準シソーラス用語： 状態監視 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 画像処理 ,  モデル ,  鉄道軌道 ,  マルチターゲット ,  欠陥 ,  同定