基于无监督学习的无砟轨道表面异常分割
Unsupervised learning-based abnormal segmentation for ballastless track surfaces
1. 上海工程技术大学 电子电气工程学院, 上海 201620
2. 上海科创职业技术学院, 上海 201620
摘要
针对开放场景下无砟轨道异常样本难以全部覆盖的问题，提出了一种无需异常样本的无砟轨道表面异常分割方法。该方法结合图像特征分析与无监督学习框架，优化数据处理与特征学习过程，以提升检测精度与鲁棒性。首先，采用高亮特征分块策略将高分辨率图像分割为图像块，在保留结构信息的同时增强异常定位能力；其次，设计认知审查架构(Cognitive Review Architecture，CRA)，通过优化学习路径使教师网络的浅层特征不仅影响学生网络的对应层，还对其后续层的特征学习提供指导，提高表征一致性与判别能力；最后，引入多尺度注意力模块(Multi-Scale Attention Module，MSAM)，强化学生网络的去噪能力，使其提取的关键信息更接近教师网络的表征。实验结果表明，所提出的模型在构建的无砟轨道数据集上取得了出色的分割精度，图像级AUC(I-AUC)得分为99.72%，像素级平均精度(P-AP)为92.05%。该方法为开放场景下的无砟轨道异常检测提供了高精度、高鲁棒性的解决方案。
基金项目
国家自然科学基金资助项目(62173222)
出版信息
DOI: 10.19734/j.issn.1001-3695.2025.02.0052
出版期卷: 《计算机应用研究》 优先出版, 2025年第42卷 第10期
发布历史
[2025-06-04] 优先出版
引用本文
李岗威, 李志伟. 基于无监督学习的无砟轨道表面异常分割 [J]. 计算机应用研究, 2025, 42 (10). (2025-06-04). https://doi.org/10.19734/j.issn.1001-3695.2025.02.0052. (Li Gangwei, Li Zhiwei. Unsupervised learning-based abnormal segmentation for ballastless track surfaces [J]. Application Research of Computers, 2025, 42 (10). (2025-06-04). https://doi.org/10.19734/j.issn.1001-3695.2025.02.0052. )
关于期刊
- 计算机应用研究 月刊
- Application Research of Computers
-
刊号
ISSN 1001-3695
CN 51-1196/TP
《计算机应用研究》创刊于1984年，是由四川省科技厅所属四川省计算机研究院主办的计算技术类学术刊物。
《计算机应用研究》瞄准本学科领域迫切需要的前沿技术，及时反映国内外计算机应用研究的主流技术、热点技术及最新发展趋势。主要刊载内容包括本学科领域高水平的学术论文、本学科最新科研成果和重大应用成果。栏目内容涉及计算机学科新理论、计算机基础理论、算法理论研究、算法设计与分析、区块链技术、系统软件与软件工程技术、模式识别与人工智能、体系结构、先进计算、并行处理、数据库技术、计算机网络与通信技术、信息安全技术、计算机图像图形学及其最新热点应用技术。
《计算机应用研究》拥有众多高层次读者、作者，读者对象主要为从事计算机学科领域高、中级研究人员及工程技术人员，各高等院校计算机专业及相关专业的师生。多年来《计算机应用研究》的总被引频次及Web下载率一直名列本学科同类学术刊物前茅，所刊发的学术论文以其新颖性、学术性、前瞻性、导向性、实用性而备受广大读者的喜爱。
收录和评价
- 第二届国家期刊奖百种重点期刊
- 中国期刊方阵双效期刊
- 全国中文核心期刊（北大2023年版）
- 中国科技核心期刊
- 中国科学引文数据库(CSCD)来源期刊
- RCCSE中国核心学术期刊
- 中国计算机学会会刊
- 2020—2022年科技期刊世界影响力指数(WJCI)报告收录期刊
- 中国科技期刊精品数据库全文来源期刊
- 中国学术期刊综合评价数据库来源期刊
- 《中国期刊网》《中国学术期刊(光盘版)》来源期刊
- 2017—2019年中国国际影响力优秀学术期刊(自然科学与工程技术)
- 中国精品科技期刊顶尖学术论文(F5000)项目来源期刊
- 《中国工程技术电子信息网》《电子科技文献数据库》来源期刊
- 英国《科学文摘》(INSPEC)来源期刊
- 《日本科学技术振兴机构数据库》(JST)来源期刊
- 俄罗斯《文摘杂志》(AJ, VINITI)来源期刊
- 美国《艾博思科学术数据库》(EBSCO)全文来源期刊
- 美国《剑桥科学文摘(自然科学)》(CSA(NS))核心期刊
- 波兰《哥白尼索引》(IC)来源期刊
- 美国《乌利希期刊指南(网络版)》(Ulrichsweb)收录期刊
