期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于机器视觉的铁路限界入侵检测方法
被引量：
1
1
作者
杨文
胡昊
+2 位作者
李凌志
冯爽
吴浩楠
《铁道科学与工程学报》
北大核心
2025年第3期1328-1343,共16页
当异物侵入铁路界限内,会极大地威胁铁路运营安全及乘客生命财产安全,常见入侵目标有闲杂人员与落石、树枝等,但在铁路复杂开放环境中小尺度与小样本入侵目标识别较难。针对以上问题,提出一种基于特征聚焦扩散网络的铁路限界异物入侵检...
当异物侵入铁路界限内,会极大地威胁铁路运营安全及乘客生命财产安全,常见入侵目标有闲杂人员与落石、树枝等,但在铁路复杂开放环境中小尺度与小样本入侵目标识别较难。针对以上问题,提出一种基于特征聚焦扩散网络的铁路限界异物入侵检测方法。首先,针对边端计算设备的算力制约问题,对基准模型的主干网络结构进行了轻量化改进,降低了计算消耗,同时维持了相近的检测精度;其次,提出了特征聚焦扩散金字塔网络,改进基准模型的颈部网络结构,强化了不同层级特征间的有效交互,提升了不同尺度目标识别能力;然后,通过动态检测头对基准模型进行改进,改善了在深度网络中目标细粒度特征信息丢失的情况;最后,通过损失函数的改进,让模型更加注重小样本、难识别类型的目标特征信息,并有效提升在此类情况下的识别能力。针对铁路异物入侵真实样本少的问题,模拟采集大量不同场景的异物入侵数据,构建了数据集。实验结果显示,通过增加改进模块,本文所提方法的识别准确率持续上升,最终改进模型的平均准确率达到94.9%,相比基准模型提高了3.7个百分点。对比多种主流目标检测方法,在小目标识别能力提升最为显著,识别率到达了最高的91.3%。研究结果表明本文改进模型在实际复杂铁路环境下能有效识别入侵目标,具有较好的应用价值。
展开更多
关键词
铁路运输
限界入侵
特征聚焦扩散金字塔网络
动态检测头
损失函数
在线阅读
下载PDF
职称材料
基于度量元学习的铁路小样本入侵目标检测方法
被引量：
4
2
作者
郭保青
张德芬
《光学精密工程》
EI
CAS
CSCD
北大核心
2023年第12期1816-1826,共11页
异物入限是导致铁路安全事故频发的主要原因之一,传统深度学习需要大量训练样本进行网络训练,但铁路场景中入侵样本很少且难于获取。本文提出了基于改进度量元学习的铁路小样本异物入侵检测方法。为了让入侵目标的特征表征在分类时发挥...
异物入限是导致铁路安全事故频发的主要原因之一,传统深度学习需要大量训练样本进行网络训练,但铁路场景中入侵样本很少且难于获取。本文提出了基于改进度量元学习的铁路小样本异物入侵检测方法。为了让入侵目标的特征表征在分类时发挥更大作用,提出了基于通道注意力机制的特征提取网络;为解决样本数量不足时个别样本在特征空间中产生偏离的问题,提出了一种基于类中心微调的网络用于类别中心的修正;同时,基于center loss与交叉熵构建了中心相关损失函数用于小样本网络训练,提升特征空间中同类别特征分布的紧凑性。在公共数据集miniImageNet上与经典小样本学习模型中最优的相比,本文算法在5-way 5-shot设置下图像分类准确率提升了7.31%。在铁路入侵小样本数据集的5-way 5-shot消融实验表明:本文提出的通道注意力机制(Channel Attention Mechanism,CAM)和中心相关损失函数分别提升0.86%和1.91%的检测精度;提出的类中心微调和预训练方法对检测精度的提升效果更明显,分别达到3.05%和6.70%,上述模块综合应用的提升效果达到了7.90%。
展开更多
关键词
小样本学习
度量元学习
铁路
限界入侵
目标检测
注意力机制
在线阅读
下载PDF
职称材料
题名
基于机器视觉的铁路限界入侵检测方法
被引量：
1
1
作者
杨文
胡昊
李凌志
冯爽
吴浩楠
机构
中国铁道科学研究院集团有限公司电子计算技术研究所
中国铁路成都局集团有限公司
中国铁道科学研究院研究生部
出处
《铁道科学与工程学报》
北大核心
2025年第3期1328-1343,共16页
基金
中国国家铁路集团有限公司重大课题(K2023T003)
国家重点研发计划项目(2022YFC3005202)
+1 种基金
中国铁道科学研究院集团有限公司院基金课题(2023YJ088)
国家自然科学基金联合基金资助项目(U2268217)。
文摘
当异物侵入铁路界限内,会极大地威胁铁路运营安全及乘客生命财产安全,常见入侵目标有闲杂人员与落石、树枝等,但在铁路复杂开放环境中小尺度与小样本入侵目标识别较难。针对以上问题,提出一种基于特征聚焦扩散网络的铁路限界异物入侵检测方法。首先,针对边端计算设备的算力制约问题,对基准模型的主干网络结构进行了轻量化改进,降低了计算消耗,同时维持了相近的检测精度;其次,提出了特征聚焦扩散金字塔网络,改进基准模型的颈部网络结构,强化了不同层级特征间的有效交互,提升了不同尺度目标识别能力;然后,通过动态检测头对基准模型进行改进,改善了在深度网络中目标细粒度特征信息丢失的情况;最后,通过损失函数的改进,让模型更加注重小样本、难识别类型的目标特征信息,并有效提升在此类情况下的识别能力。针对铁路异物入侵真实样本少的问题,模拟采集大量不同场景的异物入侵数据,构建了数据集。实验结果显示,通过增加改进模块,本文所提方法的识别准确率持续上升,最终改进模型的平均准确率达到94.9%,相比基准模型提高了3.7个百分点。对比多种主流目标检测方法,在小目标识别能力提升最为显著,识别率到达了最高的91.3%。研究结果表明本文改进模型在实际复杂铁路环境下能有效识别入侵目标,具有较好的应用价值。
关键词
铁路运输
限界入侵
特征聚焦扩散金字塔网络
动态检测头
损失函数
Keywords
railway transportation
foreign object intrusion
feature focused diffusion pyramid network
dynamic head
loss function
分类号
TP391.9 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于度量元学习的铁路小样本入侵目标检测方法
被引量：
4
2
作者
郭保青
张德芬
机构
北京交通大学机械与电子控制工程学院
北京交通大学智慧高铁系统前沿科学中心
出处
《光学精密工程》
EI
CAS
CSCD
北大核心
2023年第12期1816-1826,共11页
基金
国家自然科学基金资助项目(No.52072026)
中国国家铁路集团有限公司系统性重大课题资助项目(No.P2020T002)。
文摘
异物入限是导致铁路安全事故频发的主要原因之一,传统深度学习需要大量训练样本进行网络训练,但铁路场景中入侵样本很少且难于获取。本文提出了基于改进度量元学习的铁路小样本异物入侵检测方法。为了让入侵目标的特征表征在分类时发挥更大作用,提出了基于通道注意力机制的特征提取网络;为解决样本数量不足时个别样本在特征空间中产生偏离的问题,提出了一种基于类中心微调的网络用于类别中心的修正;同时,基于center loss与交叉熵构建了中心相关损失函数用于小样本网络训练,提升特征空间中同类别特征分布的紧凑性。在公共数据集miniImageNet上与经典小样本学习模型中最优的相比,本文算法在5-way 5-shot设置下图像分类准确率提升了7.31%。在铁路入侵小样本数据集的5-way 5-shot消融实验表明:本文提出的通道注意力机制(Channel Attention Mechanism,CAM)和中心相关损失函数分别提升0.86%和1.91%的检测精度;提出的类中心微调和预训练方法对检测精度的提升效果更明显,分别达到3.05%和6.70%,上述模块综合应用的提升效果达到了7.90%。
关键词
小样本学习
度量元学习
铁路
限界入侵
目标检测
注意力机制
Keywords
few-shot learning
metric meta learning
railway clearance intrusion
object detection
attention mechanism
分类号
U298 [交通运输工程—交通运输规划与管理]
TP394.1 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于机器视觉的铁路限界入侵检测方法
杨文
胡昊
李凌志
冯爽
吴浩楠
《铁道科学与工程学报》
北大核心
2025
1
在线阅读
下载PDF
职称材料
2
基于度量元学习的铁路小样本入侵目标检测方法
郭保青
张德芬
《光学精密工程》
EI
CAS
CSCD
北大核心
2023
4
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
