相关实验视频
Updated: Jun 14, 2025

08:05
Design and Analysis for Fall Detection System Simplification
Published on: April 6, 2020
10.6K
在构建基于机器学习和深度学习的应用程序的RailVista数据集时,数据收集和数据处理的具体情况.
Gulsipat Abisheva1, Nikolaj Goranin2, Bibigul Razakhova1
1Department of Artificial Intelligence Technology, Faculty of Information Technologies, L.N. Gumilyov Eurasian National University, Astana KZ-010000, Kazakhstan.
Sensors (Basel, Switzerland)
|August 29, 2024
概括
创建了一个新的数据集,Rail Vista,用于使用机器学习检测铁路轨道缺陷. 这种高质量的数据集有助于开发用于加强铁路安全和维护的自动化系统.
科学领域:
- 计算机视觉 计算机视觉
- 机器学习 机器学习
- 铁路工程 铁路工程是指铁路工程.
背景情况:
- 自动缺陷检测对于铁路安全和维护至关重要.
- 高质量的数据集对于训练有效的机器学习模型至关重要.
研究的目的:
- 引入Rail Vista数据集用于铁路轨道缺陷检测.
- 促进用于铁路基础设施分析的先进机器和深度学习模型的开发.
主要方法:
- 收集了20万张铁路轨道的高分辨率图像.
- 将图像分类为19个不同的缺陷类别.
- 采用先进的图像捕捉和扭曲技术来丰富数据.
- 在安全的数据仓库中使用二进制文件格式存储数据.
主要成果:
- 开发了全面的Rail Vista数据集.
- 该数据集支持对各种铁路缺陷检测模型的培训.
- 证明了数据集在推进自动化铁路检查方面的实用性.
结论:
- 高质量的数据集对于铁路部门的机器学习至关重要.
- 雷尔维斯塔数据集对自动缺陷识别做出了重大贡献.
- 未来的工作可以利用这一数据集来提高铁路安全和运营可靠性.

