基于特征图裁剪的高铁周界入侵实时检测算法

• 作者: 朱力强 王玮
• 来源期刊: 铁道学报
• 学科: 交通运输
• 关键词: 侵限检测 卷积神经网络 模型压缩
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 铁道通信信号、信息化
• 页码范围: 74-80
• 页数: 7页
• 分类号: TP391.4|U215.8
• 字数: 5971字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-8360.2019.09.010

摘要

为解决高速铁路周界入侵高可靠度检测的难题,研究基于深度学习的异物入侵实时检测算法.针对深度卷积神经网络存在内存占用量大和检测耗时长的问题,提出以特征图L1范数为准则的递归裁剪算法,逐步降低模型计算量及储存空间,同时将检测准确率保持在较高水平.在基于ImageNet数据库和铁路场景数据库的测试中,该算法可以将VGG16模型压缩约660倍并加速计算4.4倍,而损失的检测准确率分别只有1.2％和0.25％.研究结果表明,基于特征图L1范数的裁剪准则普遍适用于任何具有卷积运算的神经网络结构中,性能优于现有基于卷积核L1范数的裁剪准则.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王玮	北京交通大学机械与电子控制工程学院	97	1551	19.0	37.0
5	朱力强	北京交通大学机械与电子控制工程学院	44	443	12.0	19.0