期刊专题

10.11896/jsjkx.210800241

基于注意力机制与混合监督学习的钢轨表面缺陷检测模型

引用
钢轨表面缺陷检测是保障铁路安全运行的重要一环,通过分析钢轨表面缺陷检测的必要性和现有检测方法的不足,提出了一种基于注意力机制与混合监督学习的钢轨表面缺陷检测模型.针对现有模型参数量大、部署成本高的问题,提出了端到端的钢轨缺陷检测模型,利用注意力模块引导特征丛的生成,提高缺陷检测速度,降低模型部署成本;针对实际应用中存在的异常样本少、标注成本高等问题,研究粗糙标签与混合监督对模型的影响,对像素级标签进行数据处理,使标签的不同区域获得不同的关注,降低模型对标签的依赖性.最终在实际钢轨数据集上进行实验验证,结果表明在图像级标签样本中加入少量像素级标签样本的混合监督学习可获得与全监督学习相当的性能,模型的分类准确率达99.7%.

表面缺陷检测、深度学习、注意力、小样本、粗糙标签

49

TP391(计算技术、计算机技术)

国家重点研发计划;国家自然科学基金;国家自然科学基金;湖南省杰出青年科学基金项目;长沙市科技重大专项,机器人学国家重点实验室联合开放基金;中国高校产学研创新基金

2023-05-22(万方平台首次上网日期,不代表论文的发表时间)

共6页

476-481

暂无封面信息
查看本期封面目录

计算机科学

1002-137X

50-1075/TP

49

2022,49(z2)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn