智能铁路异物检测：一种基于半监督卷积自编码器的方法
计算机视觉与模式识别
2021-08-06 v1
摘要
铁路上异物的自动检测与识别对轨道交通安全的保障至关重要，因其有助于预防潜在事故与列车脱轨。大多数现有基于视觉的方法侧重于检测具有先验标签（如物体类别与位置）的正面侵入物体。现实中，未知类别的异物可能随时出现在铁轨上。本文开发了一种基于半监督卷积自编码器的框架，其训练过程仅需铁路轨道图像且无需关于异物的先验知识。该框架由三个不同模块组成：作为编码器的瓶颈特征生成器、作为解码器的照片图像生成器，以及通过对抗学习开发的重建判别器。在所提框架中，通过比较输入与重建图像并基于重建误差设定阈值，来解决异物存在、位置与形状的检测问题。所提方法在不同性能准则下的综合研究中得到评估。结果表明所提方法优于一些知名基准方法。所提框架可用于通过列车物联网（IoT）系统进行数据分析。
引用
@article{arxiv.2108.02421,
title = {Intelligent Railway Foreign Object Detection: A Semi-supervised Convolutional Autoencoder Based Method},
author = {Tiange Wang and Zijun Zhang and Fangfang Yang and Kwok-Leung Tsui},
journal= {arXiv preprint arXiv:2108.02421},
year = {2021}
}