基于并联卷积神经网络的高速铁路车体图像差异分类算法

作者：王志学; 彭朝勇^*; 罗林; 宋文伟

来源：铁道学报, 2021, 43(10): 53-59.

• 差异分类
• 卷积神经网络
• 深度学习
• 距离度量学习

对高速铁路的车体进行安全检查,是高速铁路安全运行的重要保障。但是由于高速铁路车体结构复杂,采集环境多变,导致基于机器视觉的传统检测方法很难提取到车体图片的正确特征。利用深度学习方法,采用卷积神经网络,建立一个并联的差异分类模型,用于检测车体差异部位是否发生异常。为提高识别的准确率,提出一种多形状训练方法;同时,针对此异常检测任务设计合适的损失函数,并加入距离度量的限制项。此外,在并联模型的基础上,建立一种复合并联模型,进一步提升模型性能。试验表明,该模型能够很好地克服光照、污渍、标记等伪异常,正确提取到图片对的差异信息,并对差异信息是否异常做出准确的判断。

• 单位
  西南交通大学