【基于卷积神经网络的异物识别国内外研究现状文献综述3400字】_第1页
【基于卷积神经网络的异物识别国内外研究现状文献综述3400字】_第2页
【基于卷积神经网络的异物识别国内外研究现状文献综述3400字】_第3页
【基于卷积神经网络的异物识别国内外研究现状文献综述3400字】_第4页
【基于卷积神经网络的异物识别国内外研究现状文献综述3400字】_第5页
全文预览已结束

付费下载

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

卷积神经网络(ConvolutionalNeuralNetwork,CNN)在深度学习中是一类极1959年，Hubel与Wiesel发现了生物视觉系统的信息处理方式10],并指出神经网络。20世纪90年代，LeCun等人提出了LeNet-5I¹1,确立了卷积神经网据，同时受限于当时计算机的算力不足，卷积神经网络但更深的网络结构，并采用了非线性激活函数ReLu与Dropout方法，大幅提升得益于计算机能力的巨大提升，研究人员不断提出了其他改进方法，其中异物特征。例如2015年提出的ResNet的网络层数是AlexNet的20多倍，这一都在寻求方法来改善这种情况，如VGGNet采用了较小的3×3卷积核代替AlexNet中的大卷积核；GoogLeNet提出并引入了Inception结构，用以代替常规更高的精确度与时间复杂度，对硬件的计算能力要求也更为苛刻。其中著名的检测的入侵异物识别工作场景211。该类型的代表算法有SSD(SingleShot针对飞机跑道上异物个体较小的特点，将VGG16Net作为特征提取网用改进的YOLOv4对铁路接触网支柱区域进行识别，并利用StyleGANs网络对接最终对锚杆、角铁、螺母等异物的识别精度分别提升4.7%、3.5%、6.7%。同样率提升6.9%。吴守鹏等人[27的团队提出了一种FasterRCNN+双向特征金字塔 相比于FasterR-CNN+FPN模型，在矸石与锚杆的检测精度上分别提高了1.1%和类异物进行识别，识别准确率达到96.67%。针对于变LiangXU等人的团队[291提出了一种卷积神经网络FODN4PS(ForeignObjects任务转化为回归问题，但算法存在泛化能力不强，定位误差大等缺点33]。尽管box)的新机制，但在网络模型的识别能力上并没有实质的提升。为了改善算法金字塔网络(FeaturePyramidNetworks,FPN)实现了多尺度检测，但在部署至嵌入式端时，需要对网络进行压缩，便捷性大大受限。直到YOLOv41361与性更强。其中YOLOv5在保留YOLOv4识别效果的同时，结构上更加灵活，体积神经网络，可以更为快捷准确地对入侵异物进行识别，参考文献[1]易辉，熊幼京，周刚，何慧雯.架空输电线路鸟害故障分析及对策[J].电网技[2]王少华，叶自强.架空输电线路鸟害故障及其防治技术措施[J].高压电[11]LécunY,BottouL,BengioY,etal.Gradient-b[12]KrizhevskyA,SutskeverI,Hi[14]SzegedyC,LiuW,JiaY,etal.Goingdeeperwithconvolutions[C].Proceedingsofthe[15]HeK,ZhangX,RenS,etal.Deepr[16]G.Huang,Z.Liu,LusingGPS-GSMmodel[J].InternationalJournalofScience&E

人人文库> 全部分类> 教育资料 > 中学教育

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论