-
公开(公告)号：CN107621626A
公开(公告)日：2018-01-23
申请号：CN201710928460.4
申请日：2017-10-09
Applicant: 中国矿业大学(北京)
Abstract: 本发明涉及的是一种基于深度卷积神经网络的雷达信号铁路路基病害检测方法。该方法通过车载路基检测雷达自动扫描采样获得路基原始雷达数据，然后抽取各扫描道轨枕上界面处的雷达反射信号序列进行频谱分析，获得轨枕和铁轨强反射信号的频谱灰度图；通过标注采集的部分信号频谱图中病害，设计深度卷积神经网络提取信号分析特征图，采用候选区域网络和全连接层，多次迭代构建铁路路基病害检测模型，得到路基病害的分类和检测框的预测。该方法首次提出利用深度卷积神经网络，分析铁路路基探地雷达信号中铁轨和轨枕的强反射信号，实现有砟铁路路基病害的快速检测和病害识别，为路基病害的快速整治处理提供技术支持，满足未来线路自动检测、快速养护的需求，保证铁路运营安全。
-
公开(公告)号：CN110222653B
公开(公告)日：2020-06-16
申请号：CN201910499246.0
申请日：2019-06-11
Applicant: 中国矿业大学(北京)
Abstract: 本发明公开了一种基于图卷积神经网络的骨架数据行为识别方法，其中，方法包括：通过对训练集中的每一段骨架数据的时间维度进行下采样获得时间维度固定的骨架数据，以训练神经网络；将输入数据按照三维坐标拆分成三个通道，对每一个空间通道分别做带双重注意力的图卷积，再将三个通道合并；对合并后的向量作时空卷积；通过标注动作类别更新神经网络权重；最终获得和指定标注结果强相关的行为识别模型。该方法充分利用骨架数据的拓扑结构和时空关系，提高行为识别性能。
-
公开(公告)号：CN110222653A
公开(公告)日：2019-09-10
申请号：CN201910499246.0
申请日：2019-06-11
Applicant: 中国矿业大学(北京)
Abstract: 本发明公开了一种基于图卷积神经网络的骨架数据行为识别方法，其中，方法包括：通过对训练集中的每一段骨架数据的时间维度进行下采样获得时间维度固定的骨架数据，以训练神经网络；将输入数据按照三维坐标拆分成三个通道，对每一个空间通道分别做带双重注意力的图卷积，再将三个通道合并；对合并后的向量作时空卷积；通过标注动作类别更新神经网络权重；最终获得和指定标注结果强相关的行为识别模型。该方法充分利用骨架数据的拓扑结构和时空关系，提高行为识别性能。
-
公开(公告)号：CN107621626B
公开(公告)日：2018-08-31
申请号：CN201710928460.4
申请日：2017-10-09
Applicant: 中国矿业大学(北京)
Abstract: 本发明涉及的是一种基于深度卷积神经网络的雷达信号铁路路基病害检测方法。该方法通过车载路基检测雷达自动扫描采样获得路基原始雷达数据，然后抽取各扫描道轨枕上界面处的雷达反射信号序列进行频谱分析，获得轨枕和铁轨强反射信号的频谱灰度图；通过标注采集的部分信号频谱图中病害，设计深度卷积神经网络提取信号分析特征图，采用候选区域网络和全连接层，多次迭代构建铁路路基病害检测模型，得到路基病害的分类和检测框的预测。该方法首次提出利用深度卷积神经网络，分析铁路路基探地雷达信号中铁轨和轨枕的强反射信号，实现有砟铁路路基病害的快速检测和病害识别，为路基病害的快速整治处理提供技术支持，满足未来线路自动检测、快速养护的需求，保证铁路运营安全。
-
-
-
Search Results
4
records
(took 0.017 seconds)
