机车AI视觉系统、乘务员状态预警装置、机车可视化防火监测系统、机车前方障碍物检测系统、铁路道口值守机器人系统、机车电子添乘装置、

  • 资质认证 实名商家
  • 深圳龙铁高科技术有限公司
  • 深圳龙铁高科技术有限公司
  • 简体中文
    繁体
    English
    Francés
    Español
    Pусский
    手机版
    选择语言:
  • 公司首页
  • 定制服务
  • 核心技术
  • 公司动态
  • 荣誉证书
  • 联系方式
  • 场景+算法深度融合
  • 机车全场景AI计算平台
  • 嵌入式AI算法
  • 多传感融合技术
  • 客户案例
  • 行业动态
  • 龙铁动态
  • 合作单位

    产品分类

  • 机车信号与道口识别
  • 机车智能摄像机
  • 司乘状态行为识别
  • 机车全场景主动安全系统
  • 铁路机车模块电源
  • 铁路3A视频系统
  • 当前位置:首页 -> 公司动态 -> 龙铁高科AI+智慧机车
  • 龙铁高科AI+智慧机车
  • 时间:2019-04-15 浏览: 2309
  • 	深度卷积神经网络的特征检测通过训练数据来进行学习,避免手工显式提取特征,而是从训练中学习特征,且同一特征映射面上的神经元权值相同,网络可以并行学习,权值共享降低了网络的复杂性,可以将多维的图像数据直接输入到网络中,从而避免特征提取和分类过程中数据重建的复杂度,项目拟采用卷积神经网络无监督构建特征,通过卷积神经网络的前向传播、反向传播以及梯度下降三个阶段的反复迭代,自适应提取图像的特征向量,实现图像特征对全天候环境的泛化能力,进而提升障碍物特征表达的自适应性,为进一步降低障碍物识别的虚警率,拟采用支持向量机有监督学习的方式对提取后的特征做进一步筛选,保留满足高精度的神经网络中的权值。利用上述算法提取的障碍物自适应特征,结合深度学习技术中的SSD模型和Faster RCNN以及YOLO算法可以较好地实现多障碍物的识别和分类,且实时效果好。因此,可以考虑在相关模型中改进得到一种高速度、高精度、鲁棒性强的多障碍物识别分类方法。 
    
    
    	 
    
    

    http://www.fujilong.net
  • 手机商铺
    联系我们 | 在线留言 | 投诉举报 | 管理员入口>>>
    您是第798417位访客
    版权所有 ©2023-05-30 深圳龙铁高科技术有限公司 保留所有权利.
    技术支持: 八方资源网 免责声明 管理员入口 网站地图