基于CNN的高速铁路侵限异物特征快速提取算法

发布时间：2018-01-15 12:06

本文关键词：基于CNN的高速铁路侵限异物特征快速提取算法　出处：《仪器仪表学报》2017年05期 　论文类型：期刊论文

【摘要】：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%。
[Abstract]:High speed railway intrusion detection system to detect intrusions security clearance of high-speed railway. For increasing the reliability of the system, proposed a convolutional neural network (CNN) based on the fast algorithm of feature extraction. According to the characteristics of the problem of slow computing speed, the fully connected network structure is simplified; the accuracy rate decreased due to reduced the network structure of the problem, put forward the pre layer convolution kernel volume training; finally to extract the characteristics of symmetry prevent caused by full connection, fast feature extraction algorithm is proposed with sparsity parameters. Convolutional neural network is improved, while ensuring the accuracy of the fast computing speed, at the same time to meet the real-time and high accuracy requirements. The experimental results show that the single image processing speed is 0.15 s, the accuracy rate was 99.5%.

【作者单位】：北京交通大学机械与电子控制工程学院;
【基金】：国家重点研发计划高速铁路系统安全保障课题(2016YFB1200401)项目资助
【分类号】：TP183;TP391.41
【正文快照】： 1引言目前中国已经成为世界上高速铁路运营速度最高,运营里程最长以及在建规模最大的国家。高速铁路异物侵限检测系统作为铁路安全运营的重要保障,必须要对在不同铁路的场景中出现的山体滑坡、落石、行人穿越等异物进行检测,判断是否有异物侵入铁路安全限界事件的发生,特别是

【相似文献】