基于DSSD的接触网鸟窝识别检测研究

论文摘要

随着中国电气化铁路里程的迅速增长,接触网的安全稳定运行面对巨大的压力,对其进行监测拥有重要意义。针对影响电气化铁路接触网正常工作的鸟害问题进行研究,通过对不同深度学习模型进行分析比较,选择DSSD模型以自动识别高速铁路接触网沿线。同时使用迁移学习的方法,运用Caffe平台,在数据集不足的情况下,通过微调训练好的DSSD网络,提高了鸟窝识别训练网络的泛化性和稳定性。训练完的模型具有更快的识别速度和更好的鲁棒性,对于接触网安全稳定运行拥有重要的参考意义。

论文目录

• 1 鸟窝识别模型的分析与选择
•   1.1 鸟窝图像特点分析
•   1.2 鸟窝识别模型分析与选择
• 2 鸟窝识别模型构建
•   2.1 DSSD网络结构
•   2.2 模型构建过程
• 3 基于迁移学习的鸟窝识别模型构建
•   3.1 迁移学习
•   3.2 DSSD网络模型迁移
• 4 实验准备与模型训练
•   4.1 实验平台搭建
•   4.2 鸟窝图像数据整理
•   4.3 鸟窝识别模型训练
• 5 实验结果对比与分析
•   5.1 无迁移学习的实验结果对比
•   5.2 基于迁移学习的实验结果对比
• 6 结论

文章来源

类型: 期刊论文

作者: 周俊,陈剑云

关键词: 网络,鸟窝识别,迁移学习,深度学习

来源: 华东交通大学学报 2019年06期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 铁路运输,自动化技术

单位: 华东交通大学电气与自动化工程学院

分类号: U226.8;TP18

DOI: 10.16749/j.cnki.jecjtu.2019.06.011

页码: 70-78

总页数: 9

文件大小: 2595K

下载量: 135