典型文献
基于少样本学习的钢轨表面缺陷检测方法
文献摘要：
针对铁路钢轨病害检测问题,提出一种少样本学习的钢轨表面缺陷检测方法.首先,设计样本随机组合策略,根据少量钢轨图像快速构建钢轨表面缺陷数据集;然后,改进深度卷积神经网络的分类损失函数,降低样本数量不平衡对模型分类性能的影响;最后,提出基于多层级特征融合的钢轨表面缺陷检测网络,并利用上述数据集和改进的分类损失函数进行训练,实现少样本条件下端到端的钢轨表面缺陷检测.试验结果表明:该方法在2种类型的钢轨表面缺陷数据集上均取得最优性能,并在实际线路检测任务中,检测率达到100％,具有较高的实用价值.
文献关键词：
钢轨表面缺陷;少样本学习;目标检测;深度卷积神经网络
中图分类号：
作者姓名：
刘俊博;杜馨瑜;王胜春;顾子晨;王凡;戴鹏
作者机构：
中国铁道科学研究院集团有限公司基础设施检测研究所,北京 100081;北京铁科英迈技术有限公司,北京 100081
文献出处：
引用格式：
[1]刘俊博;杜馨瑜;王胜春;顾子晨;王凡;戴鹏-.基于少样本学习的钢轨表面缺陷检测方法)[J].铁道学报,2022(07):72-79
A类：
钢轨表面缺陷
B类：
少样本学习,表面缺陷检测,缺陷检测方法,钢轨病害,病害检测,检测问题,随机组合,组合策略,快速构建,缺陷数据,进深,深度卷积神经网络,损失函数,样本数量,模型分类性能,多层级特征融合,测网,样本条件,下端,端到端,最优性能,线路检测,检测率,目标检测
AB值：
0.257229
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
