货运列车多尺度关键部件的视觉故障检测
计算机视觉与模式识别
2022-11-29 v1 图像与视频处理
摘要
货运列车制动系统中关键部件的故障检测对保障铁路运输安全至关重要。尽管基于深度学习的方法被广泛使用，这些故障检测器高度依赖硬件资源且实现复杂。此外，尚无列车故障检测器考虑由故障部件尺度变化引起的精度下降。本文提出一种轻量无锚框框架以解决上述问题。具体而言，为减少计算量与模型尺寸，我们引入轻量骨干网络并采用无锚框方法进行定位与回归。为提升对多尺度部件的检测精度，我们设计了一种特征金字塔网络以生成不同尺寸的矩形层来映射具有相似长宽比的部件。在四个故障数据集上的实验表明，我们的框架取得了 98.44% 的准确率，而模型尺寸仅 22.5 MB，优于最先进的检测器。
引用
@article{arxiv.2211.14522,
title = {Visual Fault Detection of Multi-scale Key Components in Freight Trains},
author = {Yang Zhang and Yang Zhou and Huilin Pan and Bo Wu and Guodong Sun},
journal= {arXiv preprint arXiv:2211.14522},
year = {2022}
}
备注
9 pages, 4 figures