一种基于卷积神经网络端到端的转辙机缺口检测方法.pdf
一吃****永贺
亲,该文档总共12页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于卷积神经网络端到端的转辙机缺口检测方法.pdf
本发明属于深度学习与人工智能技术领域,特别涉及一种基于卷积神经网络端到端的转辙机缺口检测方法。包括采集列车经过道岔及转辙机带动道岔转换过程的转辙机缺口图像;对采集到的的缺口图像进行筛选和标注得到数据集;将数据集按比例7:2:1划分为训练集,验证集和测试集;对训练集进行数据增强处理;利用数据集训练神经网络,得到检测网络;将采集的缺口图像输入训练好的神经网络进行检测;对检测结果进行分析并给出分析结果。可将各种类型转辙机的缺口检测系统整合成一个系统,提高系统的普适性和可移植性。
基于端到端卷积神经网络的目标检测与分类.docx
基于端到端卷积神经网络的目标检测与分类基于端到端卷积神经网络的目标检测与分类摘要:目标检测和分类是计算机视觉领域的重要研究方向,广泛应用于图像识别、智能监控、自动驾驶等领域。本文提出了一种基于端到端卷积神经网络的目标检测与分类方法。首先,我们介绍了目标检测与分类的背景和相关工作。然后,详细介绍了我们提出的方法的网络结构和训练过程。最后,通过实验证明了我们的方法在准确性和效率方面都具有很大的优势。第1节引言目标检测和分类是计算机视觉领域的基础任务之一,它的目标是根据输入图像准确地识别和定位图像中的目标。传统
基于端到端全卷积神经网络的道路提取.docx
基于端到端全卷积神经网络的道路提取Abstract道路提取是一项重要的计算机视觉任务,其目的是从卫星图像或其他摄像机获取的图像中识别出道路区域。在本文中,我们介绍了一种基于端到端全卷积神经网络(FullyConvolutionalNetwork,FCN)的道路提取方法。我们首先训练了一个深度神经网络,然后将它应用于测试图像中的每个像素,以获得其是否属于道路区域的预测结果,最终将这些预测结果转换为二进制图像。我们在几个公共数据集上评测了该方法的性能,并与其他现有的方法进行了比较。实验表明,我们的方法在精度上
一种基于卷积神经网络的端到端双目立体匹配方法.pdf
本发明公开了一种基于卷积神经网络的端到端双目立体匹配方法,对现有的用于视差估计的PsmNet网络模型进行改进。首先在多尺度空间金字塔池化层加入空洞卷积,扩大网络的感受野;在代价聚合模块,采用4个编解码模块串联起来进行堆叠,进一步提取高层信息。改进后的网络模型,扩大了感受野,同时它还提高了网络模型的良好性能,增加了丰富的细节信息,改善了在遮挡、弱纹理区域无法正确匹配的问题。
基于端到端轻型卷积神经网络的心音信号分类方法.pdf
本发明公开了一种基于端到端轻型卷积神经网络的心音信号分类方法,包括:对原始心音信号进行降采样处理和分段处理;利用短时傅里叶变换对分段处理后的心音信号进行特征提取,并将具有特征标签的多维心音信号随机分成训练集、验证集和测试集;利用训练集、损失函数和优化器得到经过训练的多维卷积神经网络;利用验证集对经过训练的多维卷积神经网络的参数进行调整得到本轮训练完成的多维卷积神经网络;利用训练集和验证集对多维卷积神经网络进行交叉优化与调整得到训练完成的多维卷积神经网络集合;利用测试集和预设评价指标,得到优化的多维卷积神经