基于跨视图查询一致性的铁路轨道异物检测方法

来源：计算机工程与应用杂志2025年第14期北京时间：

作者：蒋伟力, 王少奇, 冀振燕

单位：1.北京交通大学 软件学院，北京 100044；2.北京交通大学 计算机科学与技术学院，北京 100044；3.北京交通大学 网络空间安全学院，北京 100044

摘要：铁路轨道异物检测在保障铁路正常运营方面具有重要意义。然而，目前该领域主要面临两大挑战：数据稀缺和标注成本高。由于轨道上的某些异常较为罕见，现有公开数据集难以覆盖多样化的异常情况；而人工标注数据不仅耗时费力，且难以满足大规模应用需求。为了应对这些挑战，提出了一种新颖的铁路轨道异物图像生成与检测框架，结合异物图像生成和半监督学习策略以提升检测性能。具体而言，针对数据稀缺问题，提出了一种基于扩散模型的多区域引导异物生成方法，能够在多个区域同时生成逼真的铁路异物图像，并保持整体风格的一致性，从而有效缓解真实数据不足的问题。此外，为了解决标注成本高的问题，还构建了一种基于跨视图查询一致性的半监督检测框架，通过在不同增强视图之间学习更加稳健的语义特征，有效地解决了教师-学生框架中噪声伪标签问题。大量实验结果表明，提出的方法在轨道异物检测任务中显著提升了精度与鲁棒性，为铁路安全运营提供了一种高效可靠的解决方案。

关键词：轨道异物检测,图像生成,半监督学习