《表3 线上动态实验对比结果》

  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

《结构化区域全卷积神经网络的钢轨扣件检测方法》

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

本文提出的SR-FCN网络不仅可以适应多种场景下的目标定位检测，而且仍然能够保持很高的检测速度。如表3所示，提出的网络模型在单幅轨道图像上执行目标定位耗时为38 ms，对应于可以满足360 km/h速度下的实时检测。这里需要说明的是，对于钢轨扣件而言，100 km范围内大约分布有60万个扣件，扣件定位算法对检测成功率的要求很高，如100 km线路仅1%的误报将产生6 000个错误定位的结果，将严重影响后续的识别分析。因此，对于扣件定位算法而言，0.1%的检测精度提升也具有很强的实际意义。