本文主要研究内容
作者王子冠,殳国华（2019）在《基于传统图像处理算法和深度学习的轨道区域识别研究》一文中研究指出：异物侵入是造成铁路安全事故的重要原因,检测异物入侵的前提是准确的轨道区域识别。传统图像处理算法基于轨道图像的边缘特征和直线特征,综合运用Sobel算子和Hough变换识别图像中的铁轨,然后确定轨道区域。深度学习技术快速发展,在图像处理等方面展现了巨大的潜力。利用深度学习的目标检测算法,基于MaskR-CNN模型,训练轨道区域识别系统,通过在实际图片上验证效果,证明了系统识别的有效性。
Abstract
yi wu qin ru shi zao cheng tie lu an quan shi gu de chong yao yuan yin ,jian ce yi wu ru qin de qian di shi zhun que de gui dao ou yu shi bie 。chuan tong tu xiang chu li suan fa ji yu gui dao tu xiang de bian yuan te zheng he zhi xian te zheng ,zeng ge yun yong Sobelsuan zi he Houghbian huan shi bie tu xiang zhong de tie gui ,ran hou que ding gui dao ou yu 。shen du xue xi ji shu kuai su fa zhan ,zai tu xiang chu li deng fang mian zhan xian le ju da de qian li 。li yong shen du xue xi de mu biao jian ce suan fa ,ji yu MaskR-CNNmo xing ,xun lian gui dao ou yu shi bie ji tong ,tong guo zai shi ji tu pian shang yan zheng xiao guo ,zheng ming le ji tong shi bie de you xiao xing 。
论文参考文献
论文详细介绍
论文作者分别是来自电气自动化的王子冠,殳国华，发表于刊物电气自动化2019年04期论文，是一篇关于轨道区域识别论文,算子论文,变换论文,深度学习论文,电气自动化2019年04期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自电气自动化2019年04期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：轨道区域识别论文; 算子论文; 变换论文; 深度学习论文; 电气自动化2019年04期论文;