基于Dropout-PGGAN的铁路货检图像数据增强方法研究

铁路货检图像智能识别需要大量的负类样本用于模型训练,但符合要求的负类样本稀少且收集困难。为解决铁路货检图像负类样本不足的问题,提出一种基于Dropout改进的渐进增长式生成对抗网络(PGGAN)数据增强方法,使用Dropout-PGGAN生成所需的图像,选择可学习感知图像块相似度(LPIPS)和FID进行生成图像质量评价,运用基于YOLOv5的图像识别模型验证本方法的有效性。以铁路棚车车门开启图像为例对方法进行检验,结果表明该方法能提升铁路货检图像生成质量,LPIPS值较未改进的PGGAN最多可降低10.8%,FID值较未改进的PGGAN最多可降低23.6%,且使用基于元素维度的Dropout改进PGGAN后,生成图像的质量比使用基于通道维度的Dropout改进PGGAN时更高。同时,本方法能使车门开启问题识别率最多提升6.1%,表明生成的图像可用于扩充原有稀疏样本。

完善铁路运输车务站段绩效考核研究

企业为追求更大的经济效益,要想方设法调动员工的工作积极性,提升内部员工的劳动效率,采用量化管理的绩效考核方式能体现“以劳动效率为先、多劳多得、公平公正”的分配原则。科学衡量员工的劳动价值,落实各阶段的绩效考核,是提升员工工作主动性的重要方式。文章从铁路运输企业车务站段的员工绩效考核工作出发,提出具有针对性的量化考核策略,为相关研究提供参考依据。