.png){kind=icon}
返回
Research on Rail Damage Detection Based on Improved DETR Algorithm
.png){kind=icon}
PRE
AI
DOI：10.3390/app152413223.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在铁路损伤检测中，小目标的尺度变化导致损伤形貌和尺寸特征的提取不准确，从而影响损伤类型的可靠识别。DETR算法已被优化和改进。首先，我们在原始算法的两层侧卷积层后引入卷积-注意力融合模块（CAFMAttention）；然后，将基于nn.Upsample的上采样层替换为Dysample上采样器。最后，将两层下采样卷积层中的Conv模块替换为Dual-Conv模块。比较实验结果表明，本文改进的DETR模型的召回率为0.698，比原始DETR模型提高了12.2%；准确率为0.815，比原始DETR模型提高了2.3%；平均精度（Map@0.5）为0.741，相比原始DETR模型提高了8.7%；F1得分为0.75，比原始DETR模型提高了8.7%；帧率（FPS）为64.94，比原始DETR模型提高了2.6%。所提出的DETR算法能够很好地检测复杂工况下的铁路损伤，具有高精度和鲁棒性，更能满足实际铁路检测的需求。
Keyword:
rail damage detection
DETR algorithm improvement
damage type identification
期刊
A
IF:
2.5
论文数:
7.6K
被引数:
4
机构
引用论文
DETR-ORD: An Improved DETR Detector for Oriented Remote Sensing Object Detection with Feature Reconstruction and Dynamic QueryDETR-ORD：一种改进的DETR检测器，用于带特征重建和动态查询的有向遥感目标检测
OAAI
OAAI分享收藏Improved Real-Time Detection Transformer-Based Rail Fastener Defect Detection Algorithm改进的基于实时检测Transformer的铁路扣件缺陷检测算法.png)
MathematicsOAAI
MathematicsIF0
OAAI分享收藏
Specificity autocorrelation integration network for surface defect detection of no-service rail
PREAI
分享收藏
查看更多内容