《表2 4C装置各个类别部件检测准确率》
在Faster R-CNN训练中,基于Res Net50预训练网络模型对关键部件进行定位识别。实验选取多种预训练网络模型(如Res Net101,Res Net50)对高铁接触网图像进行提取特征。在RPN中使用3个锚刻度(8,16,32)和3个锚固比(1∶2,1∶1,2∶1)。在Faster R-CNN训练中,每次训练2个样本。优化器采用随机梯度下降算法(Stochastic Gradient Descent,SGD)更新优化模型参数[20],并将基本学习率设置为0.02,momentum动量设置为0.9,共训练了15个epochs。选用基于Res Net50预训练模型的Faster R-CNN模型对样本进行训练学习,测试结果见表2,各部件的识别正确率AP均在95%以上。4C装置关键部件定位识别效果如图8所示。
图表编号 | XD00187307700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.30 |
作者 | 张珹 |
绘制单位 | 中铁第一勘察设计院集团有限公司 |
更多格式 | 高清、无水印(增值服务) |