May, 2024

铁路技术图 (RTM) 组件识别的迁移学习方法

PDF
TL;DR使用深度学习和光学字符识别技术，本研究提出了一种通用系统，可以从给定的输入图像中数字化相关的地图组件数据，并创建一个格式化的文本文件。使用 Faster-RCNN 目标检测模型可以获得最高的平均精度和最高的 F1 分数值，分别为 0.68 和 0.76。通过实验结果证明，在将包含文本的图像发送到复杂的预处理流水线中去除畸变时，可以通过 OCR 来改进结果。
railway transportationrailway management systemscomputer aided designed railway technical mapsdeep learningoptical character recognition
发现论文，激发创造
  • 铁路轨道检测的深度多任务学习

    本文提出了一种利用自动化轨道检测和多任务学习的方法，在铁路道床和紧固件上检测缺陷，以提高铁路轨道检测的精度。

    Sep, 2015

  • 超快速自适应跟踪检测网络

    该研究纸提出了一个超快的自适应轨道检测网络，旨在解决现有模型在速度和准确性方面的限制。通过使用水平坐标定位器和透视识别器两个专用分支，该网络能够针对不同镜头角度的轨道比例进行快速检测，具有较高的准确性和速度。

    May, 2024

  • 基于相对定位映射的在线多行人跟踪 RLM-Tracking

    本文提出了一种新的多目标跟踪器，包含 “相对位置映射（RLM）” 模型和 “目标区域密度（TRD）” 模型，以提高对象追踪的准确性，并在 MOT17 和 MOT20 数据集上得到了显著提升。

    Oct, 2022

  • 利用极少的训练样本进行目标识别，以增强自行车地图

    本研究提出一个利用少量标记样本来训练目标识别模型的系统，结合卷积神经网络和随机森林来学习补丁分类器，并借助全卷积网络实现对于全图像的处理加速，并实现了交通标志识别和定位等方面的好表现。

    Sep, 2017

  • 使用二维灰度共生矩阵的纹理图像处理进行破损铁轨检测

    该文提出了一种基于图像纹理处理的铁路缺陷检测方法，使用 Automatic Train Control system 提高铁路安全性，分析了由于铁路破损和断裂导致的事故，采用 Random Forest 分类器对提取的缺陷图像特征进行分类，实验结果表明该算法在精度、召回率和准确度方面均优于支持向量机和 K - 最近邻分类器。

    Apr, 2023

  • TPE-Net：铁路路径提议生成的轨迹点提取和关联网络

    提出了一种铁路路径提取管道，其中使用称为 TPE-Net 的全卷积编码器 - 解码器体系结构通过两个不同的回归分支对每个铁路路径实例的左右铁路像素进行关联，然后对提取的铁路像素进行空间聚类以生成所有可能的火车路径的拓扑信息，并在公开发布的基准测试中表现出极强的性能。

    Feb, 2023

  • 智能铁路道口：利用语义分割和目标检测提升安全性

    通过利用机器学习和计算机视觉技术，这项研究提出了一种智能系统，通过非极大值抑制（NMS）集成模型以及 UNet 架构的分割技术，对铁路公路环境进行目标检测和火车驶近监测，从而提高公路铁路交叉口的安全性。

    Mar, 2024

  • 使用深度学习进行 X 射线图像中非法物品的视觉检查

    自动检测 X 射线图像中的违禁物品可以显著增加公共安全，提高机场、地铁、海关 / 邮局等地的安全人员的工作效率，并减轻其心理负担。研究表明，变压器检测器优越于过去几年为安全应用开发的辅助神经模块和 CSP-DarkNet 骨干卷积神经网络十分高效。

    Oct, 2023

  • 基于 Transformer 和 Tensor Product 的学生情感识别的多模态融合网络

    利用 FasterNet 和注意机制改进了 YOLOv5 架构，提高了对火车道和机场跑道上外来物体的检测能力，通过新数据集 AARFOD（航空铁路外来物体检测）证明了该模型相对于基准 YOLOv5 模型在性能上的显著提升，并降低了计算需求。

    Mar, 2024

  • 基于无监督深层 FCDD 的乡村铁路枕木腐朽检测

    本文提出了一种基于卷积神经网络（CNNs）的预测鉴别器流水线来自动分类损坏的铁路组件，使用一类分类方法，结合基于可视化的热图来判定铁路组件的损坏情况，并在预测性维护中提出了未来工作。

    May, 2023