《表4 紧固件检测网络检测器性能对比结果》
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
《基于2阶级联轻量级卷积神经网络的高铁接触网悬挂紧固件缺陷识别方法》
为了评估紧固件检测网络对微小紧固件检测的有效性,在同样的测试集上测试不同的检测器,其中,Faster R-CNN[18]的基础网络是Res Net-50,考虑到在下采样步长为8像素的特征图上分布锚框,Res Net-50需要消耗大量的存储空间,因此,Faster R-CNN在下采样步长为16像素的特征图上分布锚框;同时,也验证了紧固件检测网络在下采样步长为16像素的特征图上分布锚框的检测器。另外,尝试将全局注意力模块连接到卷积层-4(Conv-4)特征提取阶段进行对比,试验结果见表4。从表4可以看出:紧固件检测网络检测器的检测精度和召回率均优于其他网络;但当下采样步长为16像素时,检测精度仅为0.836 6,表明下采样步长为16像素时会造成一些目标紧固件的特征消失,从而无法检测到;Conv-4的检测精度相较于紧固件检测网络下降0.020 9,表明卷积层-5(Conv-5)阶段可以提取到有利于目标检测的高层语义信息;当选择5个聚类锚框尺寸时,Anchor-5的精度和召回率分别提升0.002 3和0.002 0,但时间消耗增加3.77 ms,该结果表明和数据集紧固件大小匹配精细的锚框尺寸有利于提高检测精度,但锚框数量会影响检测的效率,而Anchor-4能在检测的精度与效率间取得较好的折中。因此,检测网络的最终锚框尺寸为Anchor-4,即表4中紧固件检测网络的性能。
图表编号 | XD00228774000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.01 |
作者 | 周雯、史天运、李平、马小宁、吴艳华 |
绘制单位 | 中国铁道科学研究院研究生部、中国铁道科学研究院集团有限公司、中国铁道科学研究院集团有限公司电子计算技术研究所、中国铁道科学研究院集团有限公司电子计算技术研究所、中国铁道科学研究院集团有限公司电子计算技术研究所 |
更多格式 | 高清、无水印(增值服务) |