第七篇《基于改进Mask R⁃CNN的铁路扣件状态检测方法研究》论文阅读笔记

[1]白堂博,高嘉琳,杨建伟,许贵阳.基于改进Mask R-CNN的铁路扣件状态检测方法研究[J].铁道建筑,2021,61(06):140-143.
基于改进Mask R-CNN的铁路扣件状态检测方法研究

一、文章本身

文章框架

1. Research question(s) (文章的研究问题是什么？—通常好的实证研究都有非常具体的研究问题，我们要把它拎出来)

针对传统的基于深度学习的扣件状态检测方法对偏移扣件检测困难的问题，提出了一种基于 改进掩膜区域卷积神经网络（Mask R⁃CNN）的铁路扣件状态检测方法。

2. Hypotheses (文章的实证假设是什么？—一般会非常显眼得列在文章里：Hypothesis1, Hypothesis 2…)

于改进Mask R⁃CNN的扣件状态检测方法

3. Methods/measures used (该实证研究用了什么方法收集数据、测量变量、分析数据？)

收集数据
首先通过现场试验建立图像数据集，并对图像进行标注；
然后利用该数据集建立基于Mask R⁃CNN的扣件状态检测方法，提取扣件位置并进行分割；
最后针对偏移扣件，采用最小外接矩形法改进Mask R⁃CNN的输出层，获取扣件角度信息，以提高偏移扣件检测的准确率.

分析数据
基于改进Mask R⁃CNN的扣件状态检测方法与其他基于深度学习的扣件状态检测方法对偏移扣件的检测结果对比。

4. Key findings (该研究发现了什么研究结果？哪些假设被支持，哪些并没有成立？)

可以有效检测出图像中扣件的位置并进行分割，
分割后的扣件图像经预处理和计算后可直接获得扣件偏移角度，进而实现对扣件偏移状态的
判定。

我能从本文学到的

1. 有哪些重要的观点你想要记住，或是将来可能会引用到 （key citations）;

近年来随着目标检测技术的发展，深度学习被应用于扣件状态检测。Guo等［8］You Only Look Once v4）算法的扣件状态检测方法；龙炎［9］ 提出了基于Faster R⁃CNN（Faster Region⁃based Convolu⁃ tional Neural Networks）算法的扣件状态检测方法；李兆洋等［10］建立了基于改进 SSD（Single Shot Multibox Detector，SSD）算法的扣件定位方法。

2. 有哪些结论你将来可能用到；

nope

3. 有哪些方法你将来可能用到；

本文提出一种基于改进 Mask R⁃CNN 的铁路扣件状态检测方法，首先利用 Mask R⁃CNN方法实现扣件的位置检测与扣件图像分割，然后利用最小外接矩形法改进Mask R⁃CNN的输出层，计算获得扣件图像角度信息，进而识别偏移扣件.

4. 文章在研究设计上有哪些不足?有没有更好的改进方法？

nope

5. 文章让你想到了哪些观点类似或者完全不同的其他文章？

其他算法
基于YOLOv3算法的轨道扣件自动定位与检测_刘奇锋
基于Faster_R_CNN的铁路扣件定位方法研究_白堂博
深度学习在故障诊断领域中的研究现状与挑战_任浩

总结

1. 你对文章中观点、论述、方法、讨论等部分有什么想法和critique？

nope

2. 有什么科研灵感？

扣件检测的方法
SSD、yolo、Mask R⁃CNN、faster-RCNN，每个方法都有缺点和优点，看如何能够解决这个缺点，提高检测的准确性。