基于计算机视觉与深度学习的列车车厢自动计数与识别
计算机视觉与模式识别
2020-11-02 v1
摘要
本文提出一种基于计算机视觉与深度学习的鲁棒且高效的列车车厢计数与识别方案。该方案成本低廉，可轻松替代基于射频识别（RFID）的方案，后者以安装与维护成本高昂著称。据实验，我们的两阶段方法在真实场景中取得令人印象深刻的成果：计数阶段准确率 100%，识别阶段识别率 99.7%。此外，系统能自动拒识部分成功计数但识别码受损的车厢。考虑到所提系统仅需低处理算力（即可在低端设备上运行）且我们用以训练字符识别卷积神经网络（CNN）的图像数量相对较少，所得结果令人惊讶。该方法已以编号 BR512020000808-9 在巴西国家工业产权局注册。
引用
@article{arxiv.2010.16307,
title = {Automatic Counting and Identification of Train Wagons Based on Computer Vision and Deep Learning},
author = {Rayson Laroca and Alessander Cidral Boslooper and David Menotti},
journal= {arXiv preprint arXiv:2010.16307},
year = {2020}
}
备注
An article about the proposed system has been published in the October 2020 issue of Railway Gazette International, the leading business journal for the worldwide rail industry