| 基于深度学习的铁路实例分割研究 |
| |
| 引用本文： | 翟鑫,李昕. 基于深度学习的铁路实例分割研究[J]. 佳木斯大学学报, 2021, 39(6): 116-118,147. DOI: 10.3969/j.issn.1008-1402.2021.06.029 |
| |
| 作者姓名： | 翟鑫 李昕 |
| |
| 作者单位： | 安徽理工大学 电气与信息工程学院,安徽 淮南 232000 |
| |
| 摘 要： | 为了提高铁路图像分割精度使其可作为铁路无人驾驶及设备安全、快速、准确检测等工作的基础视觉任务,在经典的MaskRCNN实例分割网络架构基础上,设计了一个新的特征提取架构DseNet,组合得到了DseNet-MaskRCNN.铁路边缘处的精度对实例分割有着重要的精度影响,在网络架构上着重强化了图像边缘处的精度.实验结果表明该网络架构能够快速的对铁路区域进行识别分割.在实验中单张图像处理速度可达15帧/秒,实例分割精度可达93.8％.
|
| 关 键 词： | 深度学习 DseNet 卷积神经网络 铁路实例分割 |
Research on Railway Instance Segmentation Based on Deep Learning |
| |
| ZHAI Xin,LI Xin. Research on Railway Instance Segmentation Based on Deep Learning[J]. Journal of Jiamusi University(Natural Science Edition), 2021, 39(6): 116-118,147. DOI: 10.3969/j.issn.1008-1402.2021.06.029 |
| |
| Authors: | ZHAI Xin LI Xin |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
