發(fā)布時間：2018-01-15 12:06

  本文關(guān)鍵詞：基于CNN的高速鐵路侵限異物特征快速提取算法　出處：《儀器儀表學(xué)報》2017年05期 　論文類型：期刊論文

  更多相關(guān)文章： 異物識別 卷積神經(jīng)網(wǎng)絡(luò) 預(yù)先訓(xùn)練卷積核 快速特征提取 稀疏編碼

【摘要】：高速鐵路異物侵限檢測系統(tǒng)用來檢測是否有異物侵入高速鐵路安全限界。為增加系統(tǒng)的可靠性,提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)(CNN)的特征快速提取算法。針對特征計算速度緩慢的問題,提出簡化的全連接網(wǎng)絡(luò)結(jié)構(gòu);針對準(zhǔn)確率因簡化網(wǎng)絡(luò)結(jié)構(gòu)而下降的問題,提出將卷積層的卷積核進行預(yù)先訓(xùn)練;最后為防止因全連接而導(dǎo)致的對稱性特征提取,提出加入稀疏性參數(shù)的快速特征提取算法。改進后的卷積神經(jīng)網(wǎng)絡(luò),在保證準(zhǔn)確率的基礎(chǔ)上加快了計算速度,同時滿足了實時性和高準(zhǔn)確率的要求。實驗表明處理單幅圖像的速度為0.15 s,準(zhǔn)確率為99.5%。
[Abstract]:High speed railway intrusion detection system to detect intrusions security clearance of high-speed railway. For increasing the reliability of the system, proposed a convolutional neural network (CNN) based on the fast algorithm of feature extraction. According to the characteristics of the problem of slow computing speed, the fully connected network structure is simplified; the accuracy rate decreased due to reduced the network structure of the problem, put forward the pre layer convolution kernel volume training; finally to extract the characteristics of symmetry prevent caused by full connection, fast feature extraction algorithm is proposed with sparsity parameters. Convolutional neural network is improved, while ensuring the accuracy of the fast computing speed, at the same time to meet the real-time and high accuracy requirements. The experimental results show that the single image processing speed is 0.15 s, the accuracy rate was 99.5%.

【作者單位】： 北京交通大學(xué)機械與電子控制工程學(xué)院;
【基金】：國家重點研發(fā)計劃高速鐵路系統(tǒng)安全保障課題(2016YFB1200401)項目資助
【分類號】：TP183;TP391.41
【正文快照】： 1引言目前中國已經(jīng)成為世界上高速鐵路運營速度最高,運營里程最長以及在建規(guī)模最大的國家。高速鐵路異物侵限檢測系統(tǒng)作為鐵路安全運營的重要保障,必須要對在不同鐵路的場景中出現(xiàn)的山體滑坡、落石、行人穿越等異物進行檢測,判斷是否有異物侵入鐵路安全限界事件的發(fā)生,特別是

【相似文獻】

相關(guān)期刊論文 前1條

1 方紅萍;方康玲;劉新海;;基于模糊梯度卷積核的在線棒材斷面中心識別[J];計算機工程與設(shè)計;2014年09期

相關(guān)碩士學(xué)位論文 前4條

1 李大霞;cuda-convnet深層卷積神經(jīng)網(wǎng)絡(luò)算法的一種速度優(yōu)化[D];北京工業(yè)大學(xué);2015年

2 李倩玉;基于改進深層網(wǎng)絡(luò)的視頻人臉識別研究[D];合肥工業(yè)大學(xué);2016年

3 劉玲;一種基于多卷積核特征提取的房顫檢測[D];河北大學(xué);2016年

4 彭勁璋;面向交通標(biāo)志識別的卷積神經(jīng)網(wǎng)絡(luò)研究[D];北京交通大學(xué);2017年

，

本文編號：1428268