一种少样本条件下的钢轨伤损图像缺陷检测方法

摘要：

为解决钢轨表面伤损检测问题,提出一种少样本条件下的钢轨表面伤损检测方法.首先,设计样本随机组合策略,扩充钢轨表面伤损数据集规模;其次,引入迁移学习方法,在公开大规模数据集上进行迁移学习训练,以获得迁移学习能力,降低对钢轨表面伤损样本的需求数量;最后,加入通道自注意力机制,提高模型的训练速度.实验证明,该方法可有效提高钢轨表面伤损的识别精度.

关键词：少样本、钢轨表面伤损、迁移学习、注意力机制

所属期刊栏目：7

分类号：TP391.4;TP278(计算技术、计算机技术)

资助基金：湖南省自然科学基金项目2020JJ7054

在线出版日期：2023-11-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：134-137