基于深度神经网络的铁路异物检测算法
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 绪论 | 第10-22页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-19页 |
| 1.2.1 铁路异物检测研究现状 | 第12-15页 |
| 1.2.2 深度神经网络研究现状 | 第15-19页 |
| 1.2.3 研究现状分析 | 第19页 |
| 1.3 本文研究内容及章节安排 | 第19-22页 |
| 1.3.1 本文的研究内容 | 第19-20页 |
| 1.3.2 本文的章节安排 | 第20-22页 |
| 2 算法结构设计 | 第22-26页 |
| 2.1 设计方案概述 | 第22-23页 |
| 2.2 数据库及算法设计 | 第23-25页 |
| 2.2.1 数据库 | 第23-24页 |
| 2.2.2 算法设计 | 第24-25页 |
| 2.3 本章小结 | 第25-26页 |
| 3 基于DBN的检测算法设计 | 第26-62页 |
| 3.1 检测算法概述 | 第26-27页 |
| 3.2 训练样本及其预处理 | 第27-32页 |
| 3.2.1 建立训练样本集 | 第27-29页 |
| 3.2.2 样本图像预处理 | 第29-32页 |
| 3.3 检测算法设计 | 第32-51页 |
| 3.3.1 深度神经网络 | 第32-36页 |
| 3.3.2 网络预训练 | 第36-49页 |
| 3.3.3 参数微调 | 第49-51页 |
| 3.4 算法实验及其结果分析 | 第51-60页 |
| 3.4.1 全场景实验 | 第52-56页 |
| 3.4.2 区域场景实验 | 第56-58页 |
| 3.4.3 误判率和漏判率 | 第58-60页 |
| 3.5 本章小结 | 第60-62页 |
| 4 算法泛化性能研究 | 第62-70页 |
| 4.1 不同场景独立实验 | 第62-66页 |
| 4.1.1 数据预处理 | 第62-63页 |
| 4.1.2 算法实验 | 第63-66页 |
| 4.2 混合场景实验 | 第66-68页 |
| 4.3 本章小结 | 第68-70页 |
| 5 结论 | 第70-72页 |
| 5.1 工作总结 | 第70-71页 |
| 5.2 研究展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 作者简历 | 第76-80页 |
| 学位论文数据集 | 第80页 |
