基于深度学习的铁路货车类型识别研究

发布时间：2021-09-23 15:37

　　传统的铁路货车车型识别技术存在着对环境适应性差,对光照敏感等不足,其结果表现为识别率不高,可靠性较低。将深度学习技术应用于铁路货车车型识别中,可以降低对货车监控图像质量的要求,提高自动识别的准确率,进一步降低车型识别的误检率和漏检率,提高车型识别的鲁棒性和可靠性。本文基于深度学习理论和技术,结合用于目标识别的三种卷积神经网络,构建基于深度学习的铁路货车车型识别模型,提出改进的网络结构、特征提取和识别方法,实现铁路货车车型的准确识别。本文的贡献主要有:（1）针对网络复杂度较高的问题,提出网络简化的方法。在VGGNet-16的基础上减少全连接层的个数,改变池化层的性质和大小以增强铁路车型识别分类效果。通过实验表明该方法既能保持网络特征提取能力,同时其训练时间比原网络快了三分之一。（2）给出了一种基于GoogLeNet和D-S概率优化的分类识别方法,该方法首先对GoogLeNet中三个分类器输出的概率向量进行基于D-S的概率优化判断,其次对经过D-S概率优化判断后的概率向量进行特征融合,提高了基于GoogLeNet网络的车型识别准确率。实验表明提出的方法能够进一步提高网络的准确度,将Top-... 

【文章来源】：北京交通大学北京市 211工程院校 教育部直属院校

【文章页数】：69 页

【学位级别】：硕士

【部分图文】：

图２－１顶部视图??Ｆｉｇｕｒｅ?２－１?Ｔｏｐ?ｖｉｅｗ??

图２－３两节车厢图??

图２４全白图??Ｆｉｇｕｒｅ?２－４?Ｆｕｌｌ?ｗｈｉｔｅ?ｍａｐ??（５）彩色图。由于所使用的是单通道的灰度图，对混有彩色的三通道图片排??除出去，共５７４张，如图２－５所示：??ｉ?ｌ?Ｈｈ＾?－?？?－ｉｉ??Ｗｒ＾＾＾ＬＬｌ?ｋｒＳ??图２－５彩色图??Ｆｉｇｕｒｅ?２－５?Ｃｏｌｏｒ?ｍａｐ??（６）暗黑图。整个图面呈现暗黑色，人眼完全看不见或分辨不出车型，共３２０??张，如图２－６所示：??

【参考文献】：
期刊论文
[1]深度学习的昨天、今天和明天[J]. 余凯,贾磊,陈雨强,徐伟.  计算机研究与发展. 2013(09)
[2]深度学习研究综述[J]. 孙志军,薛磊,许阳明,王正.  计算机应用研究. 2012(08)



本文编号：3405970