基于卷积神经网络和投票机制的轨道板裂缝检测

摘要：

　　现有的检测方法对轨道板细微裂缝和夜间拍摄的裂缝图像存在误检和漏检的现象，为此提出了一种基于卷积神经网络的改进方法.将特征图分组后用注意力机制强化各组向量的特征表达，以动态聚合弱分类器预测结果的方式得到最终的裂缝置信度.借助投票机制有效降低最终的预测偏差，提升模型的鲁棒性.实验结果表明：该改进方法在减少模型参数的情况下，在裂缝数据集上的准确率提升1.6％，在CIFAR-10数据集上的准确率提升2.8％.

关键词： 裂缝检测 卷积神经网络 投票机制 训练策略 深度学习

作者: 李文举 何茂贤 张耀星 陈慧玲 李培刚

作者单位: 上海应用技术大学计算机科学与信息工程学院,上海201418 上海应用技术大学轨道交通学院,上海201318

会议类型: 国内会议

会议名称: CCF第35届中国计算机应用大会

会议地点: 湖北襄阳

会议语种:中文

页码: 627-640

在线出版日期: 2020-10-16（万方平台首次上网日期，不代表论文的发表时间）