首页|基于SimAM和SpinalNet的列车轮对踏面缺陷分类模型

基于SimAM和SpinalNet的列车轮对踏面缺陷分类模型

扫码查看
原文链接
  • 万方数据
  • 维普
为解决小样本问题下轮对踏面缺陷分类难题,提出一种基于简单无参注意力模块(SimAM)和脊柱神经网络(SpinalNet)踏面缺陷分类模型.首先,预训练网络提取原始图像各个类别特征图;其次,在有限的训练样本下,利用SimAM提取对缺陷图像表示性更强的类别特征;然后,利用SpinalNet关联特征图的局部和整体语义,得到缺陷类别特征的强区分性表示;最后,以强区分性表示特征输入带有L2正则化的softmax分类器,得到分类结果.试验结果表明:小样本任务评估指标准确率1和准确率2分别为68.35％和100％,优于目前主流深度学习模型,能够有效分类轮对踏面缺陷从而避免列车安全事故发生.
Defect classification model for high-speed train wheelset treads based on Sim AM and SpinalNet

张昌凡、胡新亮、何静、刘建华、侯娜

展开 >

湖南工业大学电气与信息工程学院,湖南株洲412007

湖南工业大学轨道交通学院,湖南株洲412007

轮对踏面 缺陷分类 简单无参注意力模块(SimAM) 脊柱神经网络(SpinalNet) L2正则化

52172403621731372021JJ3021719A137

2022

10.16265/j.cnki.issn1003-3033.2022.06.2563

中国安全科学学报
中国职业安全健康协会

中国安全科学学报

CSTPCDCSCD北大核心
影响因子：1.548
ISSN：1003-3033
年,卷(期)：2022.32(6)
  • 3