文献

J-GLOBAL ID：201702290979556925   整理番号：17A0369083

畳込みニューラルネットワークに基づくTFDSにおける自動多重故障認識【Powered by NICT】

Automatic multi-fault recognition in TFDS based on convolutional neural network

著者 (3件)： Sun Junhua (School of Instrumentation Science and Opto-electronics Engineering, Beihang University, Beijing 100191, China) ,  Xiao Zhongwen (School of Instrumentation Science and Opto-electronics Engineering, Beihang University, Beijing 100191, China) ,  Xie Yanxia (School of Instrumentation Science and Opto-electronics Engineering, Beihang University, Beijing 100191, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 222  ページ： 127-136  発行年： 2017年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 近年,走行貨物列車検出システム(TFDSs)の300台以上トラブルの中国における貨物列車を走行の安全性をモニターするための鉄道に設置されている。TFDSは捕捉,伝送,画像を格納するための簡単に関与し,欠陥を自動的に認識しなかった。画像認識のタスクにおける畳込みニューラルネットワーク(CNN)の成功に動機づけられて,本論文ではCNNモデルの必須を利用し,TFDS同時に四つの典型的な欠陥を認識するための自動故障認識システム(AFRS)を提案した。AFRSは二段階システムである:第一段階では,CNNモデルに基づく粗から精への方式はサイドフレーム鍵(SFK)と軸ボルト(SB)の標的領域を同時に検出するために採用した。第二段階では,SFKとSBsの標的領域に出現した四つの典型的な欠陥を認識するための多重故障定量のためのもう一つのCNNモデルを確立した。実験結果は,このシステムがTFDSにおける多重故障認識の優れた性能を持つことを示した。高認識精度,低い偽比と低い省略比は,四種類全ての典型的な断層で得られ,種々の低品質画像状況に対して高い認識能とロバスト性を実証した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 画像認識 ,  走行 ,  ロバスト性 ,  中華人民共和国 ,  *ニューラルネットワーク ,  貨物列車 ,  安全性 ,  *多重化 ,  画像 ,  *故障 ,  品質 ,  *畳込み
準シソーラス用語： 認識精度 ,  トラブル ,  検知システム , 【Automatic Indexing@JST】

著者キーワード (5件)： 貨物列車断層 ,  多重故障認識 ,  画像認識 ,  畳込みニューラルネットワーク ,  領域検出

分類 (3件)： ニューロコンピュータ  (JC06010Q) ,  計算機網  (JC03000K) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 畳込みニューラルネットワーク ,  多重 ,  故障