基于半监督CNN的接触网巡检图像异常检测
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 弓网状态检测 | 第11-13页 |
| 1.2.2 基于图像的异常检测 | 第13-15页 |
| 1.2.3 非平衡数据处理方法 | 第15页 |
| 1.3 接触网与受电弓安全巡检装置 | 第15-17页 |
| 1.4 铁路巡检图像异常检测技术难点 | 第17-18页 |
| 1.5 主要研究内容 | 第18-19页 |
| 1.6 论文结构安排 | 第19-20页 |
| 第2章 铁路巡检图像获取及数据增强 | 第20-26页 |
| 2.1 数据集介绍和数据获取 | 第20-22页 |
| 2.2 绝缘子图像数据增强 | 第22-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第3章 基于HOG的接触网图像异常检测 | 第26-41页 |
| 3.1 异常检测流程 | 第26-27页 |
| 3.2 HOG特征提取 | 第27-30页 |
| 3.2.1 HOG原理 | 第27-29页 |
| 3.2.2 HOG特征提取实验 | 第29-30页 |
| 3.3 异常检测分类算法 | 第30-34页 |
| 3.3.1 SVDD原理 | 第31-32页 |
| 3.3.2 自适应参数调节和选择 | 第32-34页 |
| 3.4 实验结果分析及评价 | 第34-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 结合CNN和SVDD的接触网图像异常检测 | 第41-59页 |
| 4.1 异常检测算法流程 | 第42页 |
| 4.2 卷积神经网络 | 第42-45页 |
| 4.3 基于改进Lenet-5的特征迁移学习 | 第45-50页 |
| 4.3.1 卷积神经网络的迁移学习 | 第45-46页 |
| 4.3.2 接触网图像异常检测的网络结构设计 | 第46-50页 |
| 4.4 特征提取及可视化 | 第50-52页 |
| 4.5 异常检测实验与结果分析 | 第52-58页 |
| 4.6 本章小结 | 第58-59页 |
| 总结 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 攻读硕士学位期间发表的学术论文和参与的项目 | 第67页 |
