TY - A2的高,本盟——王,血盟——彭建平盟歌,Wenwei AU -高,Xiaorong盟——张,于非盟-张,香非盟-肖,党委AU - Ma,李PY - 2021 DA - 2021/03/28 TI -卷积神经网络分类和决策模型可见缺陷识别的高速列车图像SP - 5554920六世- 2021 AB -在高速列车安全检查,两个改变图像来自相同的训练和拍摄的相应部分需要在不同的时间,以确定是否有缺陷。这种变化分类任务的关键的挑战是如何通过使用双时态图片做一个正确的决定。本文提出了两个卷积神经网络来执行这个任务。有别于传统分类的任务只是把每个图像分成不同的类别,网络能够提供的两个本质上检测两幅图像之间的差异,并进一步确定变化用一副图像。这样做,即使在特定组件不可用的情况下,异常的样本在训练中,我们的网络仍然能够使推理是否他们变得异常使用变化信息。这个方法可以用于识别或验证的应用程序不能做出决策只有一个图像(状态)。配备深度学习,这种方法可以解决许多高速列车安全检查的有挑战性的任务,在传统的方法不能很好地工作。为了进一步提高性能,小说multishape训练方法。大量实验证明该方法表现良好。SN - 1687 - 725 - 2021/5554920 / 10.1155 x你——https://doi.org/10.1155/2021/5554920——摩根富林明——《传感器PB - Hindawi KW - ER