Biblioteca122.739 documentos en línea

Artículo

Classification of Metro Facilities with Deep Neural NetworksClasificación de instalaciones de metro con redes neuronales profundas

Resumen

La detección de obstáculos en el metro ha sido uno de los campos de investigación más populares. Cómo detectar obstáculos con rapidez y precisión durante el funcionamiento del metro es la cuestión clave en el estudio del funcionamiento automático de los trenes. Los sistemas de supervisión inteligentes basados en la visión por ordenador no sólo completan las tareas de protección de forma eficiente, sino que también ahorran una gran cantidad de trabajo humano. Las redes neuronales convolucionales profundas (DCNN) son la tecnología más puntera en tareas de visión por ordenador. En este trabajo, evaluamos la eficacia en la clasificación de imágenes de instalaciones comunes en túneles de metro basándonos en la DCNN Inception V3 de Google. El modelo requiere menos recursos computacionales. El número de parámetros y la complejidad computacional son mucho menores que otras DCNN similares. Cambiamos su arquitectura (la última capa softmax y el clasificador auxiliar) y utilizamos la tecnología de aprendizaje por transferencia para volver a entrenar las imágenes de instalaciones comunes en el túnel de metro. Utilizamos la precisión media (mAP) como métrica para evaluar el rendimiento. Los resultados indican que nuestro modelo de reconocimiento alcanzó un 90,81% de mAP. En comparación con el método existente, este método supone una mejora considerable.

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento