基于DSSD的接触网鸟窝识别检测研究

• 作者: 周俊 陈剑云
• 来源期刊: 华东交通大学学报
• 学科: 交通运输
• 关键词: DSSD网络 鸟窝识别 迁移学习 深度学习
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 交通管理与控制
• 页码范围: 70-78
• 页数: 9页
• 分类号: U225
• 字数: 4408字
• 语种: 中文

摘要

随着中国电气化铁路里程的迅速增长,接触网的安全稳定运行面对巨大的压力,对其进行监测拥有重要意义.针对影响电气化铁路接触网正常工作的鸟害问题进行研究,通过对不同深度学习模型进行分析比较,选择DSSD模型以自动识别高速铁路接触网沿线.同时使用迁移学习的方法,运用Caffe平台,在数据集不足的情况下,通过微调训练好的DSSD网络,提高了鸟窝识别训练网络的泛化性和稳定性.训练完的模型具有更快的识别速度和更好的鲁棒性,对于接触网安全稳定运行拥有重要的参考意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈剑云	华东交通大学电气与自动化工程学院	64	534	13.0	20.0
2	周俊	华东交通大学电气与自动化工程学院	2	0	0.0	0.0