铁路计算机视觉大模型研究.pdfVIP

平台及支撑第33卷第11期

PlatformandSupportVol.33No.11

文章编号：1005-8451（2024）11-0008-09

铁路计算机视觉大模型研究

12222

史天运，李国华，代明睿，李文浩，杨涛存

（1.

中国铁道科学研究院集团有限公司，北京100081；

2.

中国铁道科学研究院集团有限公司电子计算技术研究所，北京100081）

摘要：研究铁路计算机视觉大模型关键技术及其应用，对统筹和促进铁路人工智能发展具有深远

意义。文章依托铁路人工智能平台的算力与大模型支撑组件，提出从基础大模型到铁路计算机视觉大模

型，再到铁路计算机视觉场景大模型的架构设计思路。基于基础大模型，设计模型训练框架，运用模型

剪枝和多尺度推理技术保障推理速度与精度，完成铁路计算机视觉大模型的构建；提出铁路计算机视觉

大模型的应用场景，并选取线路环境安全管控智能识别场景对该大模型能力进行验证。实验结果表明，

铁路计算机视觉大模型在复杂背景下的微小目标检测方面表现卓越，具有较好的应用前景，将在铁路运

输安全、移动装备检测、铁路客货运服务等业务领域发挥更加重要的作用。

关键词：视觉大模型；铁路场景；目标检测；模型剪枝；多尺度推理；铁路人工智能平台

中图分类号：U29

:

TP39文献标识码：ADOI：10.3969/j.issn.1005-8451.2024.11.02

Researchonrailwaylargevisionmodel

SHI

Tianyun，LI

Guohua，DAI

Mingrui，LI

Wenhao，YANG

Taocun12222

(1.

China

Academy

of

Railway

Sciences

Corporation

Limited,

Beijing100081,

China；2.

Institute

of

Computing

Technologies,

China

Academy

of

Railway

Sciences

Corporation

Limited,

Beijing100081,

China)

Abstract:Studying

the

key

technologies

and

applications

of

railway

large

vision

model

has

profound

significance

for

coordinating

and

promoting

the

development

of

railway

artificial

intelligence.

This

paper

relied

on

the

computing

power

and

large

model

support

components

of

the

railway

artificial

intelligence

platform

to

propose

an

architecture

design

concept

from

the

basic

large

model

to

the

railway

large

vision

model

and

then

to

the

railway

scenari