文献

J-GLOBAL ID：202102229641796604   整理番号：21A0122959

構造化領域全畳込みニューラルネットワークのレールインサート検出法【JST・京大機械翻訳】

Rail Fastener Detection Method Based on Structured Region Full Convolution Neural Network

著者 (1件)： Jiang Xinlan (中国社会科学院大学 計算机教研部,北京 102488;中国社会科学院大学 計算社会科学研究中心,北京 102488)
資料名： Jisuanji Kexue Yutansuo  (Jisuanji Kexue Yutansuo)
巻： 14  号： 11  ページ： 1888-1898  発行年： 2020年 
JST資料番号： C2939A  ISSN： 1673-9418  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 既存の深さ学習モデルは,高速検出のリアルタイム性を満たすことが難しいので,構造化領域全畳込みニューラルネットワーク(SR-FCN)を提案した。高速総合検査車両のリアルタイム検出の要求を満たすため、軌道画像中のレール、部品、軌道板などの施設位置が比較的固定され、その位置分布が軌道シーン特有の構造化特徴を構成できるため、構造化検出区域を設定した。小型ターゲットの検出を,固定構造を持った大規模ターゲット領域検出に変え,そして,小型ターゲットの検出問題を,構造化領域の位置決め問題に変換し,それにより,ネットワーク訓練の収束速度を加速し,そして,候補領域の生成数を減少し,そして,検出速度を,大いに改善した。鉄道軌道の構造化事前情報を深さ学習ネットワークの各過程に融合し、有効に位置精度を高め、検出のロバスト性を保証した。実験室のオフライン解析と現場のオンライン検査の結果、提案したSR-FCNネットワークはそれぞれ99.99%と99.84%の検出精度が得られ、同時に速い検出速度を維持し、350km/hのリアルタイム検出要求を満たせることが分かった。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 学習 ,  学習モデル ,  *ネットワーク ,  鉄道軌道 ,  *レール ,  位置決め ,  *検出法 ,  ロバスト性
準シソーラス用語： 事前知識 ,  収束速度 ,  実時間 ,  オンライン ,  検出精度 ,  オフライン ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 数値計算  (JE02000J) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 構造化 ,  畳込みニューラルネットワーク ,  レール ,  インサート ,  検出法