为避免铁路接触线异物影响火车的正常行驶,文章提出一种基于脉冲神经网络的模型对接触线异物进行检测。首先,基于正常和异常的接触线图像编码得到的深度特征之间存在差距,实现对接触线异物的有效检测;其次,通过倒残差结构搭建脉冲序列...为避免铁路接触线异物影响火车的正常行驶,文章提出一种基于脉冲神经网络的模型对接触线异物进行检测。首先,基于正常和异常的接触线图像编码得到的深度特征之间存在差距,实现对接触线异物的有效检测;其次,通过倒残差结构搭建脉冲序列生成模块;最后,基于脉冲神经网络的编码器提取特征信息。实验结果表明,在接触线异物检测数据集上,该模型的准确率和F 1分数分别为99.70%和99.70%。同时,在CIFAR-10(Canadian Institute for Advanced Research-10)和CIFAR-100(Canadian Institute for Advanced Research-100)数据集上的对比实验中,模型的准确率分别达到91.16%和79.54%。综上所述,该模型具有较强的分类检测能力,能够更准确地检测出异常接触线图像。展开更多
文摘为避免铁路接触线异物影响火车的正常行驶,文章提出一种基于脉冲神经网络的模型对接触线异物进行检测。首先,基于正常和异常的接触线图像编码得到的深度特征之间存在差距,实现对接触线异物的有效检测;其次,通过倒残差结构搭建脉冲序列生成模块;最后,基于脉冲神经网络的编码器提取特征信息。实验结果表明,在接触线异物检测数据集上,该模型的准确率和F 1分数分别为99.70%和99.70%。同时,在CIFAR-10(Canadian Institute for Advanced Research-10)和CIFAR-100(Canadian Institute for Advanced Research-100)数据集上的对比实验中,模型的准确率分别达到91.16%和79.54%。综上所述,该模型具有较强的分类检测能力,能够更准确地检测出异常接触线图像。
