典型文献
基于改进Mask R-CNN的轨道扣件状态检测方法
文献摘要：
为提高轨道扣件状态检测的准确率,基于K均值聚类算法改进掩膜区域卷积神经网络(Mask R-CNN)实例分割算法中的区域建议网络.进行基于改进Mask R-CNN的轨道扣件状态检测方法研究,并将该方法分别应用于普速铁路有砟轨道2个扣件数据集和高速铁路无砟轨道1个扣件数据集上进行轨道扣件状态检测.结果 表明:该方法能对普速铁路有砟轨道和高速铁路无砟轨道图像中的扣件状态进行准确检测,扣件的定位准确率和分类准确率平均分别达到97.05％和98.36％,均优于YOLO V3,Faster R-CNN和Mask R-CNN算法;相较于前2种算法,本方法对普速铁路有砟轨道扣件状态检测的优势更为明显.
文献关键词：
轨道;扣件;状态检测;掩膜区域卷积神经网络;K均值聚类算法;定位准确率;分类准确率
中图分类号：
作者姓名：
许贵阳;李金洋;白堂博;杨建伟
作者机构：
北京建筑大学机电与车辆工程学院,北京100044;北京建筑大学城市轨道交通车辆服役性能保障北京市重点实验室,北京100044
文献出处：
引用格式：
[1]许贵阳;李金洋;白堂博;杨建伟-.基于改进Mask R-CNN的轨道扣件状态检测方法)[J].中国铁道科学,2022(01):44-51
A类：
B类：
Mask,轨道扣件,状态检测,均值聚类,聚类算法,算法改进,掩膜区域卷积神经网络,实例分割,分割算法,区域建议网络,普速铁路,有砟轨道,件数,高速铁路,无砟轨道,定位准确率,分类准确率,平均分,YOLO,V3,Faster
AB值：
0.228109
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。
