《表2 4C装置各个类别部件检测准确率》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《高铁接触网紧固件异常检测的深度学习方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。