本文主要研究内容
作者贺德强,江洲,陈基永,杨严杰,姚晓阳（2019）在《基于深度卷积神经网络的铁路接触网鸟窝检测方法研究》一文中研究指出：鸟类在铁路接触网筑巢一直是造成接触网故障的一个重要原因,目前主要依靠人工巡检的方式确定是否存在鸟窝,不仅工作量大、漏检率高,而且效率低。因此提升接触网鸟窝的检测效率,及时排除隐患,对保障铁路安全运营具有重要的意义。针对此问题,提出了一种基于深度卷积神经网络的Faster R-CNN模型用于接触网鸟窝的自动识别。通过自定义合适的网络结构和参数,经过预训练、 RPN网络训练、Fast R-CNN网络训练以及对RPN和Fast R-CNN的联合训练,建立了适合鸟窝检测的Faster R-CNN模型,实现对鸟窝的检测。经试验,Faster R-CNN的准确率为88.5%,每张图片的识别速度为79 ms,通过与传统的HOG方法、DPM方法和卷积神经网络方法进行比较,验证了深度卷积神经网络对铁路接触网鸟窝检测高效性。
Abstract
diao lei zai tie lu jie chu wang zhu chao yi zhi shi zao cheng jie chu wang gu zhang de yi ge chong yao yuan yin ,mu qian zhu yao yi kao ren gong xun jian de fang shi que ding shi fou cun zai diao wo ,bu jin gong zuo liang da 、lou jian lv gao ,er ju xiao lv di 。yin ci di sheng jie chu wang diao wo de jian ce xiao lv ,ji shi pai chu yin huan ,dui bao zhang tie lu an quan yun ying ju you chong yao de yi yi 。zhen dui ci wen ti ,di chu le yi chong ji yu shen du juan ji shen jing wang lao de Faster R-CNNmo xing yong yu jie chu wang diao wo de zi dong shi bie 。tong guo zi ding yi ge kuo de wang lao jie gou he can shu ,jing guo yu xun lian 、 RPNwang lao xun lian 、Fast R-CNNwang lao xun lian yi ji dui RPNhe Fast R-CNNde lian ge xun lian ,jian li le kuo ge diao wo jian ce de Faster R-CNNmo xing ,shi xian dui diao wo de jian ce 。jing shi yan ,Faster R-CNNde zhun que lv wei 88.5%,mei zhang tu pian de shi bie su du wei 79 ms,tong guo yu chuan tong de HOGfang fa 、DPMfang fa he juan ji shen jing wang lao fang fa jin hang bi jiao ,yan zheng le shen du juan ji shen jing wang lao dui tie lu jie chu wang diao wo jian ce gao xiao xing 。
论文参考文献
论文详细介绍
论文作者分别是来自机车电传动的贺德强,江洲,陈基永,杨严杰,姚晓阳，发表于刊物机车电传动2019年04期论文，是一篇关于深度学习论文,接触网论文,鸟窝检测论文,卷积神经网络论文,机车电传动2019年04期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自机车电传动2019年04期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：深度学习论文; 接触网论文; 鸟窝检测论文; 卷积神经网络论文; 机车电传动2019年04期论文;