典型文献
一种基于改进YOLOv3-tiny的轻量级轨道紧固件检测算法
文献摘要：
为解决传统铁路轨道养护中人工巡检等工作的低效率和准确率不足等问题,提出一种改进的YOLOv3-tiny轻量级轨道紧固件检测算法.首先,其网络结构通过在深度和点方向的卷积来降低网络的计算复杂度;其次,采用具有反向残差的线性瓶颈结构设计主干网络,并在检测层采用深度可分离卷积提取紧固件的深度特征;然后,增加1个尺度在3个尺度上预测,从而有效提取紧固件的特征;最后,对目标框坐标定位过程的损失函数进行优化.实验结果表明:改进后的YOLOv3-tiny算法检测精度达98.81％,检测速度25.1 frame/s,满足其实时性的要求.
文献关键词：
铁路轨道;扣件;神经网络;轻量级;YOLOv3-tiny;深度特征
中图分类号：
作者姓名：
卢艳东;李积英;王筱婷
作者机构：
兰州交通大学电子与信息工程学院,兰州 730070;甘肃省工业交通自动化工程技术研究中心,兰州 730070
文献出处：
引用格式：
[1]卢艳东;李积英;王筱婷-.一种基于改进YOLOv3-tiny的轻量级轨道紧固件检测算法)[J].铁道标准设计,2022(07):41-47
A类：
B类：
YOLOv3,tiny,轻量级,紧固件,检测算法,铁路轨道,轨道养护,人工巡检,低效率,来降,计算复杂度,瓶颈结构,主干网络,检测层,深度可分离卷积,深度特征,有效提取,坐标定位,损失函数,检测精度,检测速度,frame,扣件
AB值：
0.323131
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。
