近日，工业信息学顶级期刊《IEEE Transactions on Industrial Informatics》（2024年中科院一区TOP，IF=11.7）发表了我院机器视觉与智能装备团队联合华中科技大学机械科学与工程学院刘默耘博士在深度学习工程应用领域取得的最新成果，论文题目为“Efficient Visual Fault Detection for Freight Train via Neural Architecture Search with Data Volume Robustness”。机械工程学院张杨副教授为第一作者，硕士生李明应为第二作者，湖北工业大学为第一署名单位。
垂直领域深度学习网络结构的设计非常依赖人工经验，且需要不断的试验才能达到预期的效果。该研究利用神经网络架构搜索技术自动设计网络模型，针对列车零部件存在的多尺度问题，设计一个包含多种感受野的搜索空间。并且，对于数据量对网络搜索过程的影响进行研究，探索网络搜索对于数据量变化的鲁棒性。此外，该研究提出了一种共享计算的方法，大大降低了显存占用并提高搜索效率。
该研究可为轨道交通检测技术领域的发展提供重要参考，研究工作得到国家自然科学基金和湖北省自然科学基金的资助。
原文Y. Zhang, M. Li, H. Pan, M. Liu and Y. Zhou, "Efficient Visual Fault Detection for Freight Train via Neural Architecture Search With Data Volume Robustness," in IEEE Transactions on Industrial Informatics, vol. 20, no. 10, pp. 11919-11929, Oct. 2024.
原文链接：https://doi.org/10.1109/TII.2024.3413332
