典型文献
基于改进YOLOv3的铁路落石检测方法研究与实现
文献摘要：
我国山区铁路沿线边坡崩塌落石侵入铁路限界将严重危及列车运行安全,当前铁路危岩落石的自动化监测系统存在误报、漏报及时效性低等缺点,各类监测系统对侵限落石的检测方法成为了制约系统性能指标的关键因素.本文收集了大量铁路真实场景下的崩塌落石样本,并选取Faster RCNN和YOLOv3算法进行了落石检测对比实验,实验表明YOLOv3算法与Faster RCNN算法检测精度相近,但检测速度更快,因此本文选取YOLOv3算法构建铁路边坡落石检测模型.由于YOLOv3算法对铁路落石群的检测准确度较低,本文采用多尺度检测以及调整网络超参数等方式对YOLOv3框架进行了改进,结果显示对落石群检测准确度提升效果较为明显,更能满足铁路沿线危岩落石检测的实际应用要求.
文献关键词：
山区铁路;边坡落石;落石群;YOLOv3算法;多尺度检测
中图分类号：
作者姓名：
刘孜学;王富斌;虞凯
作者机构：
中铁二院工程集团有限责任公司, 成都610031
文献出处：
引用格式：
[1]刘孜学;王富斌;虞凯-.基于改进YOLOv3的铁路落石检测方法研究与实现)[J].高速铁路技术,2022(03):52-56,80
A类：
落石检测,落石群
B类：
YOLOv3,研究与实现,山区铁路,铁路沿线,边坡崩塌,崩塌落石,铁路限界,列车运行安全,危岩落石,自动化监测系统,误报,漏报,侵限,系统性能,真实场景,Faster,RCNN,检测精度,检测速度,铁路边坡,边坡落石,检测模型,检测准确度,多尺度检测,超参数,提升效果,应用要求
AB值：
0.250697
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。
