基于深度學習的軌道表面異物識別方法

摘要： 針對現(xiàn)有異物識別方法存在識別精度低、成本高的問題，提出一種基于深度學習的視覺感知方法，對車輛在軌道表面上垂直投影區(qū)域的異物進行識別。首先，采用編碼與解碼框架構建車輛在軌道表面上垂直投影區(qū)域的語義分割模型，利用輕量級主干網(wǎng)絡MobileNet v3作為特征編碼器，并基于LR-ASPP解碼器實現(xiàn)特征融合以提升分割精度；其次，從2個方面對YOLOX-s檢測模型進行優(yōu)化，利用深度可分離...