基于PSENet区域分割的列车车厢号定位研究

作     者：范沐阳 喻春雨 马鑫 童亦新 张俊 

作者机构：南京邮电大学电子与光学工程学院柔性电子(未来技术)学院 

出 版 物：《铁道学报》 (Journal of the China Railway Society)

年 卷 期：2024年第10期

页      面：68-75页

核心收录：

学科分类：08[工学] 082303[工学-交通运输规划与管理] 080203[工学-机械设计及理论] 0802[工学-机械工程] 0823[工学-交通运输工程] 

基　　金：南京邮电大学产学研合作项目(KH1060319157、KH1060318002) 

主　　题：货运列车 车厢号定位 PSENet 通道注意力 多尺度特征融合 

摘      要：针对自然场景中行驶列车的车厢号采用现有文本定位方法容易存在严重畸变，从而导致漏检率高的问题，提出一种基于区域分割的列车车厢号精确定位方法。该方法所采用的网络模型基于PSENet,首先采用引入通道域注意力的ResNet50网络提取特征，使模型更加关注卷积通道信息，从通道域的角度对权重进行再分配，提高车厢号的定位精度；然后采用特征金字塔和自底向上路径增强模块融合多尺度特征图，将浅层网络中的强定位特征传播到深层网络，以从复杂环境中准确定位车厢号区域，降低车厢号的漏检率；最后采用基于广度优先算法的渐进尺度扩展模块对融合的特征图进行目标区域的从小尺度到大尺度的拓展分割，使用结合集合相似度度量Dice系数的损失函数对分割结果进行分类回归，输出定位结果。实验结果表明：通过在真实列车车厢号图像数据集上进行训练验证，本文提出的网络模型在铁路货运列车车厢号定位精度达到97.47%,召回率为94.14%,综合F1分数为95.78%,预测单张图约需0.2 s。相比于基础PSENet对车厢号的定位精确率提升3.78%,召回率提升1.71%,总体上车厢号的F1分数提升2.73%。研究成果可为列车车厢号自动检测识别系统提供一种高精度的车厢号检测定位方法。