典型文献
基于DeepLabV3+的轮对踏面损伤分割算法
文献摘要：
针对轨道交通轮对踏面损伤图像存在边界识别效果差,分割精度低的问题,提出一种改进的DeepLabV3十算法对损伤区域进行识别分割.首先将轻量化网络MobileNetV2作为主干特征提取网络,加快语义分割的速度;然后将空洞空间卷积池化金字塔模块中的膨胀卷积以及特征融合后的普通卷积替换为深度可分离卷积,减少参数量,降低模型复杂度;最后在主干网络输出的浅层与深层特征层添加ECA机制,加强网络特征学习能力,使模型对损伤区域更加敏感,从而提升模型分割精度.实验结果表明,改进后的DeepLabV3+模型大小缩减为原来的5％,mPA值达到90.70％,mIou值达到84.33％,在模型更轻量化的同时保证了踏面损伤图像的分割效果.
文献关键词：
轮对踏面损伤;DeeplabV3+算法;MobileNetV2;ECA注意力机制
中图分类号：
作者姓名：
孙耀泽;高军伟
作者机构：
青岛大学自动化学院 青岛266071;山东省工业控制技术重点实验室 青岛266071
文献出处：
引用格式：
[1]孙耀泽;高军伟-.基于DeepLabV3+的轮对踏面损伤分割算法)[J].电子测量技术,2022(23):113-118
A类：
轮对踏面损伤
B类：
DeepLabV3+,分割算法,边界识别,损伤区,轻量化网络,MobileNetV2,主干特征提取网络,快语,语义分割,空洞空间卷积池化金字塔,塔模,膨胀卷积,特征融合,深度可分离卷积,参数量,模型复杂度,主干网络,深层特征,ECA,网络特征,特征学习能力,模型分割,减为,mPA,mIou,更轻,分割效果,DeeplabV3+,注意力机制
AB值：
0.37621
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。
