基于CNN的高速铁路侵限异物特征快速提取算法
高速铁路异物侵限检测系统用来检测是否有异物侵入高速铁路安全限界.为增加系统的可靠性,提出了一种基于卷积神经网络(CNN)的特征快速提取算法.针对特征计算速度缓慢的问题,提出简化的全连接网络结构;针对准确率因简化网络结构而下降的问题,提出将卷积层的卷积核进行预先训练;最后为防止因全连接而导致的对称性特征提取,提出加入稀疏性参数的快速特征提取算法.改进后的卷积神经网络,在保证准确率的基础上加快了计算速度,同时满足了实时性和高准确率的要求.实验表明处理单幅图像的速度为0.15 s,准确率为99.5%.
异物识别、卷积神经网络、预先训练卷积核、快速特征提取、稀疏编码
38
TP391.4;TH701;U215.8(计算技术、计算机技术)
国家重点研发计划高速铁路系统安全保障课题2016YFB1200401
2017-07-12(万方平台首次上网日期,不代表论文的发表时间)
共9页
1267-1275