基于迁移学习的铁路技术图（RTM）组件识别方法

Obadage Rochana Rumalshan; Pramuka Weerasinghe; Mohamed Shaheer; Prabhath Gunathilake; Erunika Dayaratna

doi:10.1007/978-981-19-2397-5_44

基于迁移学习的铁路技术图（RTM）组件识别方法

计算机视觉与模式识别 2024-05-24 v1 人工智能数字图书馆

作者: Obadage Rochana Rumalshan , Pramuka Weerasinghe , Mohamed Shaheer , Prabhath Gunathilake , Erunika Dayaratna

在 arXiv 上查看 ↗ PDF ↗ DOI ↗

摘要

多年来铁路运输的极度普及促使全球范围内维护高效铁路管理系统的必要性。尽管目前存在大量计算机辅助设计的铁路技术图（RTM），但仅以便携式文档格式（PDF）提供。本研究利用深度学习和光学字符识别技术，提出了一种通用系统，用于从给定输入图像中数字化相关地图组件数据，并为每张图像创建格式化文本文件。在使用的YOLOv3、SSD和Faster-RCNN目标检测模型中，Faster-RCNN取得了最高的平均精度均值（mAP）和最高的F1分数，分别为0.68和0.76。此外，从获得的结果证明，当包含文本的图像通过复杂的预处理管道去除失真后，可以使用OCR改进结果。

关键词

迁移学习铁路技术图目标检测光学字符识别 Faster-RCNN 数字化

引用

@article{arxiv.2405.13229,
  title  = {Transfer Learning Approach for Railway Technical Map (RTM) Component Identification},
  author = {Obadage Rochana Rumalshan and Pramuka Weerasinghe and Mohamed Shaheer and Prabhath Gunathilake and Erunika Dayaratna},
  journal= {arXiv preprint arXiv:2405.13229},
  year   = {2024}
}

备注

9 pages, 8 figures

基于迁移学习的铁路技术图（RTM）组件识别方法

摘要

关键词

引用

备注

相关论文