Deep learning on rail profiles matching

要約

レールの摩耗を評価するには、現場で測定したレール断面プロファイルを設計プロファイルと一致させることが必須であり、これは軌道の保守とレールの安全にとって非常に重要です。
これまでのところ、測定されたレール プロファイルは通常、大量のデータ、多様な断面形状、ハードウェアによるエラー、およびマッチング プロセス中に現場で複雑な状況を解決するために人間の経験を導入する必要があるという 4 つの特徴を持っています。
しかし、特徴点や特徴線に基づく従来のマッチング方法では、もはや要件を満たすことができませんでした。
この目的のために、まず、46386 ペアのプロの手動マッチング データで構成されるレール プロファイル マッチング データセットを確立し、事前にトレーニングされた畳み込みニューラル ネットワーク (CNN) を使用したレール プロファイル マッチングの一般的な高精度方法を提案します。
深層学習に基づくこの新しい手法は、この問題に対する有力なアプローチになると期待されています。
ソース コードは https://github.com/Kunqi1994/Deep-learning-on-rail-profile-matching にあります。

要約(オリジナル)

Matching the rail cross-section profiles measured on site with the designed profile is a must to evaluate the wear of the rail, which is very important for track maintenance and rail safety. So far, the measured rail profiles to be matched usually have four features, that is, large amount of data, diverse section shapes, hardware made errors, and human experience needs to be introduced to solve the complex situation on site during matching process. However, traditional matching methods based on feature points or feature lines could no longer meet the requirements. To this end, we first establish the rail profiles matching dataset composed of 46386 pairs of professional manual matched data, then propose a general high-precision method for rail profiles matching using pre-trained convolutional neural network (CNN). This new method based on deep learning is promising to be the dominant approach for this issue. Source code is at https://github.com/Kunqi1994/Deep-learning-on-rail-profile-matching.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google