基于DBN模型的铁路异物侵限检测算法研究

• 作者: 李晓蕊
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 铁路异物检测 深度学习算法 深度信念网络 Softmax分类器
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 信息技术及图像处理
• 页码范围: 128-132
• 页数: 5页
• 分类号: TP183
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.1701441

摘要

随着铁路中货运重载化和客运高速化程度的不断提高,由异物入侵引发的交通事故屡见不鲜,使生命财产损失严重,所以对侵入铁路的异物进行有效检测具有重要意义.作为一种近年来被提出的具有多隐含层结构的新型人工神经网络,深度学习算法可以抽取样本中更深层次、具有代表性的特征,使得检测和分类的效果更好.在此基础上,所提出的异物侵限检测算法是以深度信念网络(DBN)结构模型为核心,并以铁路现场视频素材为基础建立网络训练样本库并对其进行处理与标注,设计DBN检测算法,采用逐层贪婪训练法和误差反向传播法进行网络训练及参数微调,达到优化效果;最后,使用softmax分类网络训练图像数据,并且在各组检测实验中均取得了良好的分类检测效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李晓蕊		1	0	0.0	0.0