典型文献
基于改进Faster-RCNN算法的地铁车辆车侧下结构检测识别
文献摘要：
地铁车辆车侧下人工巡检存在漏检、劳动强度大、效率低等问题,本文提出一种基于改进Faster-RCNN 算法的地铁车辆车侧下结构检测识别方法,分别采用 MobileNetV2、ResNet-101+FPN和DarkNet53+FPN三种特征提取网络替换原Faster-RCNN的特征提取网络VGG16,再通过5 000张地铁车辆车侧下结构的图像对更换特征提取网络的Faster-RCNN进行训练以及检测验证.实验结果表明,以DarkNet53+FPN为特征提取网络的Faster-RCNN模型比其余两种模型检测效果好,模型平均精确度AP达到96.7％,均值平均精度mAP达到92.7％,检测速度可达20.5 fps.改进算法成功将巡检由线下改为了线上,地铁车辆车侧下各结构的检测识别都取得很好的效果.
文献关键词：
地铁车辆检修;车侧下结构;Faster-RCNN;DarkNet53
中图分类号：
作者姓名：
陈金源;林群煦;邹一鸣;郑衡;刘凯;钟程;李虎;黄挺博;李鹏
作者机构：
五邑大学 轨道交通学院,广东 江门 529020
文献出处：
引用格式：
[1]陈金源;林群煦;邹一鸣;郑衡;刘凯;钟程;李虎;黄挺博;李鹏-.基于改进Faster-RCNN算法的地铁车辆车侧下结构检测识别)[J].五邑大学学报（自然科学版）,2022(04):42-47
A类：
车侧下结构,101+FPN,DarkNet53+FPN
B类：
Faster,RCNN,辆车,结构检测,检测识别,人工巡检,漏检,劳动强度,MobileNetV2,ResNet,特征提取网络,VGG16,测验,模型检测,检测效果,模型平均,均值平均精度,mAP,检测速度,fps,改进算法,地铁车辆检修
AB值：
0.246075
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。
