基于元学习的小样本铁路入侵检测研究

作     者：陈为 郭疆远 韩晓极 宫啸 钟章队 Chen Wei;Guo Jiangyuan;Han Xiaoji;Gong Xiao;Zhong Zhangdui

作者机构：北京交通大学宽带移动信息通信铁路行业重点实验室北京100044 北京交通大学轨道交通控制与安全国家重点实验室北京100044 北京交通大学北京市高速铁路宽带移动通信工程技术研究中心北京100044 中煤科工集团沈阳研究院有限公司辽宁沈阳133122 

基　　金：中央高校基本科研业务费(2021YJS199) 北京市自然科学基金(L202019,L211012) CCF-百度松果基金(NO.2021PP15002000) 国家铁路局课题研究计划(KF2021-003) 中国国家铁路集团有限公司科技研究开发计划(SY2021G001,P2021G012) 

出 版 物：《铁道技术标准（中英文）》 (Railway Technical Standard(Chinese & English))

年 卷 期：2022年第4卷第8期

页      码：1-6页

摘      要：基于监控视频的入侵检测是保障铁路安全运营,人工智能技术赋能智慧铁路的一项重要业务。然而,传统深度学习模型依赖海量训练数据,实际铁路场景中面临场景差异大、侵限样本稀缺等问题,使得传统深度学习模型在铁路场景中迁移难、过拟合,无法实现高识别准确率。本文提出一种基于MAML元学习算法的铁路入侵检测方案;设计一个轻量级的深度神经网络,并在国产飞桨深度学习平台实现。最终,在目标监控场景下,利用本文所提模型,仅经过少量标注数据快速微调训练,可达到82.4%的检测准确率。

主 题 词：铁路入侵检测 小样本学习 元学习 视频监控 飞桨 

学科分类：08[工学] 082303[082303] 0823[工学-农业工程类] 

馆 藏 号：203114590...