期刊导航
期刊开放获取
重庆大学
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
铁路周界入侵目标多尺度特征感知算法
被引量：
1
1
作者
朱力强
许力之
+2 位作者
赵文钰
王耀东
朱兴红
《中国铁道科学》
EI
CAS
CSCD
北大核心
2024年第1期215-226,共12页
准确识别侵入周界范围内的人和大型牲畜是铁路周界入侵视频智能分析技术的重点内容,对保障铁路安全运营具有重要意义。基于现有目标检测算法难以处理铁路监控场景中入侵目标呈现显著尺度变化的状况,提出一种多输入双输出神经网络(Multip...
准确识别侵入周界范围内的人和大型牲畜是铁路周界入侵视频智能分析技术的重点内容,对保障铁路安全运营具有重要意义。基于现有目标检测算法难以处理铁路监控场景中入侵目标呈现显著尺度变化的状况,提出一种多输入双输出神经网络(Multiple Input Double Output Network,MIDO-Net)和基于自适应特征加权融合的目标多尺度特征感知算法。首先,通过MIDO-Net多层级联的多输入和双输出网络结构,提取图像目标更丰富的多尺度特征信息;其次,依据骨干网络多阶段的特点,先将多级特征上采样至统一分辨率,再利用注意力模块和自适应参数对多级特征进行加权;然后,将特征输入到检测头中完成铁路周界入侵的识别;最后,通过视觉目标类别(Visual Object Classes,VOC)公共数据集和制作的多场景、多尺度铁路异物侵限数据集,对算法进行验证。结果表明:提出的多尺度特征感知算法在VOC公共数据集中的检测精确率达83.3%,在多场景、多尺度铁路异物侵限数据集中的检测精确率达91.1%,平均召回率达56.2%,均优于当前广泛使用的各种特征提取骨干网络;算法检测速率为45帧·s^(-1),优于同类型的骨干网络,且能满足铁路场景的行人实时监测需求。
展开更多
关键词
铁路周界入侵检测
目标检测算法
特征提取网络
多尺度特征感知
神经网络
下载PDF
职称材料
隧道表面图像多目标智能识别算法研究
被引量：
8
2
作者
许力之
王耀东
+2 位作者
朱力强
史红梅
余祖俊
《铁道学报》
EI
CAS
CSCD
北大核心
2022年第9期154-162,共9页
隧道表面病害已经成为轨道交通基础设施巡检的重要任务之一,人工巡检方法耗时长、强度高,需要智能化、自动化的目标检测与病害识别算法研究。提出一种隧道多目标分类方法和智能识别理论模型,对采集的隧道表面图像进行精细化标注并建立...
隧道表面病害已经成为轨道交通基础设施巡检的重要任务之一,人工巡检方法耗时长、强度高,需要智能化、自动化的目标检测与病害识别算法研究。提出一种隧道多目标分类方法和智能识别理论模型,对采集的隧道表面图像进行精细化标注并建立数据集,采用基于语义分割的理论模型对隧道图像目标进行智能分类识别。考虑隧道纹理的特殊性,本研究对算法中模型结构进行改进优化,实现隧道多种目标的智能化检测。试验中,通过测试集和隧道正线图像进行对比试验,其中隧道典型病害裂缝的检测率为94.2%,渗漏水的检测率为96.9%,验证了模型和算法的有效性。
展开更多
关键词
图像处理
隧道病害
深度学习
卷积网络
下载PDF
职称材料
高速铁路周界快速识别算法研究
被引量：
1
3
作者
朱力强
许力之
+1 位作者
周鑫
王耀东
《铁道学报》
EI
CAS
CSCD
北大核心
2022年第12期56-64,共9页
快速获取铁路周界的准确位置是高速铁路周界入侵视频智能分析技术的基础,对于高速铁路安全运营具有重要意义。为了实现各种线路场景的周界自动快速精确识别,提出基于多尺度信息融合的铁路周界识别深度神经网络模型LDNet,该模型不依赖传...
快速获取铁路周界的准确位置是高速铁路周界入侵视频智能分析技术的基础,对于高速铁路安全运营具有重要意义。为了实现各种线路场景的周界自动快速精确识别,提出基于多尺度信息融合的铁路周界识别深度神经网络模型LDNet,该模型不依赖传统目标检测算法所使用的大量预设锚框,直接利用不同尺度特征图上铁轨、护栏的特征点拟合得到精确的周界,计算量少并可适用于各种铁路场景。为进一步提高模型的实时性,提出基于特征相似度的深度神经网络裁剪准则,将网络尺寸从114.29 MB压缩至2.99 MB,压缩后网络精度几乎无损失,但单张图片计算耗时降低61.5%。通过多场景铁路视频图像进行验证,该算法识别精度达到96.37%,明显优于现有的其他算法,并且计算耗时最短。
展开更多
关键词
周界入侵检测
周界识别
视频智能分析
深度神经网络压缩
下载PDF
职称材料
题名
铁路周界入侵目标多尺度特征感知算法
被引量：
1
1
作者
朱力强
许力之
赵文钰
王耀东
朱兴红
机构
北京交通大学机械与电子控制工程学院
北京交通大学载运工具先进制造与测控技术教育部重点实验室
中国铁路兰州局集团有限公司安全监察大队
出处
《中国铁道科学》
EI
CAS
CSCD
北大核心
2024年第1期215-226,共12页
基金
国家自然科学基金资助项目(62076022)。
文摘
准确识别侵入周界范围内的人和大型牲畜是铁路周界入侵视频智能分析技术的重点内容,对保障铁路安全运营具有重要意义。基于现有目标检测算法难以处理铁路监控场景中入侵目标呈现显著尺度变化的状况,提出一种多输入双输出神经网络(Multiple Input Double Output Network,MIDO-Net)和基于自适应特征加权融合的目标多尺度特征感知算法。首先,通过MIDO-Net多层级联的多输入和双输出网络结构,提取图像目标更丰富的多尺度特征信息;其次,依据骨干网络多阶段的特点,先将多级特征上采样至统一分辨率,再利用注意力模块和自适应参数对多级特征进行加权;然后,将特征输入到检测头中完成铁路周界入侵的识别;最后,通过视觉目标类别(Visual Object Classes,VOC)公共数据集和制作的多场景、多尺度铁路异物侵限数据集,对算法进行验证。结果表明:提出的多尺度特征感知算法在VOC公共数据集中的检测精确率达83.3%,在多场景、多尺度铁路异物侵限数据集中的检测精确率达91.1%,平均召回率达56.2%,均优于当前广泛使用的各种特征提取骨干网络;算法检测速率为45帧·s^(-1),优于同类型的骨干网络,且能满足铁路场景的行人实时监测需求。
关键词
铁路周界入侵检测
目标检测算法
特征提取网络
多尺度特征感知
神经网络
Keywords
Railway perimeter intrusion detection
Object detection algorithm
Feature extraction network
Multi-scale feature perception
Neural network
分类号
U298 [交通运输工程—交通运输规划与管理]
下载PDF
职称材料
题名
隧道表面图像多目标智能识别算法研究
被引量：
8
2
作者
许力之
王耀东
朱力强
史红梅
余祖俊
机构
北京交通大学机械与电子控制工程学院
北京交通大学载运工具先进制造与测控技术教育部重点实验室
北京交通大学智慧高铁系统前沿科学中心
出处
《铁道学报》
EI
CAS
CSCD
北大核心
2022年第9期154-162,共9页
基金
中央高校基本科研业务费(2020JBZD003)。
文摘
隧道表面病害已经成为轨道交通基础设施巡检的重要任务之一,人工巡检方法耗时长、强度高,需要智能化、自动化的目标检测与病害识别算法研究。提出一种隧道多目标分类方法和智能识别理论模型,对采集的隧道表面图像进行精细化标注并建立数据集,采用基于语义分割的理论模型对隧道图像目标进行智能分类识别。考虑隧道纹理的特殊性,本研究对算法中模型结构进行改进优化,实现隧道多种目标的智能化检测。试验中,通过测试集和隧道正线图像进行对比试验,其中隧道典型病害裂缝的检测率为94.2%,渗漏水的检测率为96.9%,验证了模型和算法的有效性。
关键词
图像处理
隧道病害
深度学习
卷积网络
Keywords
image processing
tunnel damage
deep learning
convolution network
分类号
TP394.1 [自动化与计算机技术—计算机应用技术]
TH691.9 [机械工程—机械制造及自动化]
下载PDF
职称材料
题名
高速铁路周界快速识别算法研究
被引量：
1
3
作者
朱力强
许力之
周鑫
王耀东
机构
北京交通大学机械与电子控制工程学院
北京交通大学载运工具先进制造与测控技术教育部重点实验室
出处
《铁道学报》
EI
CAS
CSCD
北大核心
2022年第12期56-64,共9页
基金
国家自然科学基金(62076022)。
文摘
快速获取铁路周界的准确位置是高速铁路周界入侵视频智能分析技术的基础,对于高速铁路安全运营具有重要意义。为了实现各种线路场景的周界自动快速精确识别,提出基于多尺度信息融合的铁路周界识别深度神经网络模型LDNet,该模型不依赖传统目标检测算法所使用的大量预设锚框,直接利用不同尺度特征图上铁轨、护栏的特征点拟合得到精确的周界,计算量少并可适用于各种铁路场景。为进一步提高模型的实时性,提出基于特征相似度的深度神经网络裁剪准则,将网络尺寸从114.29 MB压缩至2.99 MB,压缩后网络精度几乎无损失,但单张图片计算耗时降低61.5%。通过多场景铁路视频图像进行验证,该算法识别精度达到96.37%,明显优于现有的其他算法,并且计算耗时最短。
关键词
周界入侵检测
周界识别
视频智能分析
深度神经网络压缩
Keywords
perimeter intrusion detection
perimeter recognition
video intelligent analysis
deep neural network compression
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
U215.8 [交通运输工程—道路与铁道工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
铁路周界入侵目标多尺度特征感知算法
朱力强
许力之
赵文钰
王耀东
朱兴红
《中国铁道科学》
EI
CAS
CSCD
北大核心
2024
1
下载PDF
职称材料
2
隧道表面图像多目标智能识别算法研究
许力之
王耀东
朱力强
史红梅
余祖俊
《铁道学报》
EI
CAS
CSCD
北大核心
2022
8
下载PDF
职称材料
3
高速铁路周界快速识别算法研究
朱力强
许力之
周鑫
王耀东
《铁道学报》
EI
CAS
CSCD
北大核心
2022
1
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
