典型文献
基于多尺度特征融合网络的铁路工机具目标检测
文献摘要：
图像目标检测是铁路工机具实现自动清点的关键技术.由于铁路运维工作的特殊性,采集的工机具图像通常存在光照度低、目标尺度差异大以及背景复杂等问题.已有的图像目标检测模型无法在铁路工机具检测中获得满意的效果.本文提出一种基于多尺度特征融合增强网络模型,以深度学习目标检测网络Retinanet为基础,构造了特征融合增强模块,可实现对不同尺度铁路工机具的高精度检测.以真实的铁路工机具图像作为数据集开展了实验研究,结果表明提出的模型较Retinanet具有更好的目标检测效果,mAP从97.85％提高到了98.11％,解决了复杂背景下铁路工机具的精确检测难题,为铁路智能运维奠定了技术基础.
文献关键词：
铁路运维;深度学习;目标检测;特征融合;特征增强
中图分类号：
作者姓名：
杨瑾;陈灯;张彦铎;刘玮;郑朝晖
作者机构：
武汉工程大学智能机器人湖北省重点实验室 武汉430205;武汉工程大学数理学院 武汉430205
文献出处：
引用格式：
[1]杨瑾;陈灯;张彦铎;刘玮;郑朝晖-.基于多尺度特征融合网络的铁路工机具目标检测)[J].电子测量技术,2022(17):94-100
A类：
B类：
多尺度特征融合,特征融合网络,机具,图像目标检测,自动清点,铁路运维,运维工作,常存,光照度,标尺,尺度差异,目标检测模型,融合增强,学习目标,目标检测网络,Retinanet,不同尺度,高精度检测,检测效果,mAP,复杂背景,精确检测,智能运维,技术基础,特征增强
AB值：
0.375548
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。
