基于层次语义多项式DS融合的铁路扣件状态分布学习

作     者：黄翰鹏 罗建桥 李柏林 HUANG Hanpeng;LUO Jianqiao;LI Bailing

作者机构：西南交通大学机械工程学院成都610031 

基　　金：四川省重大科技专项课题(2018GZDZX0031) 

出 版 物：《铁道标准设计》 (Railway Standard Design)

年 卷 期：2022年第66卷第7期

页      码：48-52页

摘      要：针对扣件状态检测算法适应性弱、误检率高的问题,通过平滑样本标签缓解卷积神经网络训练的过拟合问题,提出基于层次语义多项式DS融合的扣件状态分布学习。首先,以弱监督方式将图像子块卷积特征描述为高斯混合模型,通过高斯混合模型计算样本语义多项式(semantic multinomial, SMN);然后,为提高SMN对扣件样本的描述能力,对来自不同层次特征的SMN进行DS融合,获得样本状态分布,分布反映了不同标签的描述程度,实现了对单一标签的平滑。实验结果表明,将单一标签替换为状态分布进行网络训练,缩小了训练精度和验证精度的差距,误检率为1.9%,漏检率为2.3%,误检率相比于传统单标签网络降低了54%。所提算法能够缓解过拟合现象,提高网络泛化性能,实现鲁棒性的扣件状态检测。

主 题 词：铁路扣件 状态检测 卷积神经网络 标签分布学习 语义多项式 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 0814[工学-地质类] 082301[082301] 0823[工学-农业工程类] 

D　O　I：10.13238/j.issn.1004-2954.202103090006

馆 藏 号：203113306...