Resumen

El transporte ferroviario está evolucionando hacia la inteligencia, lo que requiere una gran cantidad de recursos de computación para realizar tareas de aprendizaje profundo. Entre estas tareas, la detección de objetos es la más utilizada, como la detección de obstáculos en la vía, el desgaste de la catenaria y la detección de defectos y la detección de holgura de los pernos de las ruedas del tren. Sin embargo, la capacidad limitada de computación del equipo a bordo del tren impide ejecutar redes de detección profundas y complejas. La capacidad limitada de computación del equipo a bordo del tren impide llevar a cabo tareas complejas de aprendizaje profundo. La computación en la nube se utiliza ampliamente para compensar la capacidad de computación insuficiente a bordo. Sin embargo, la arquitectura tradicional de computación en la nube generará una carga de tráfico pesada e incierta y causará altos retrasos de transmisión, lo que hace que falle al completar tareas intensivas de computación en

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Tránsito ferroviario; Inteligencia; Detección de objetos; Aprendizaje profundo; Computación en la nube; Computación en el borde
• Keywords:Rail transit; Intelligence; Object detection; Deep learning; Cloud computing; Edge computing