声明
致谢
1 引言
1.1 研究背景
1.2 国内外研究现状
1.2.1 铁路周界灾害检测技术研究
1.2.2 目标检测技术研究
1.2.3 研究现状总结
1.3 研究内容与技术路线
1.3.1 主要研究内容
1.3.2 论文组织架构
1.3.3 技术路线
2 相关理论及方法
2.1 卷积神经网络
2.1.1 卷积神经网络基本概念
2.1.2 经典卷积神经
2.2 目标检测
2.2.1 传统目标监测
2.2.2 深度学习目标检测
2.3 本章小结
3 基于深度学习的灾害检测技术比选研究
3.1 深度学习环境搭建
3.1.1 硬件基础
3.1.2 软件基础
3.2 数据基础
3.2.1 数据类型
3.2.2 灾害数据集
3.2.3 数据增广
3.3 深度学习目标检测算法对比
3.3.1 网络结构及模型训练
3.3.2 评价指标
3.3.3 结果对比
3.4 本章小结
4 基于视频的铁路周界灾害实时检测方法
4.1 基于视频的铁路周界灾害实时检测模型总体架构
4.2 基于背景差分法的视频预处理
4.2.1 混合高斯背景建模
4.2.2 背景模型更新
4.2.3 前景分割
4.3 基于改进 YOLOv3的灾害检测
4.3.1 激活函数修改
4.3.2 重设先验框
4.4 对比与总结
4.4.1 视频预处理部分对模型的优化
4.4.2 基于改进 YOLOv3 的灾害检测部分优化前后检测效果对比
4.5 本章小结
5 总结与展望
5.1 研究总结
5.2 研究展望
参考文献
作者简历
独创性声明
学位论文数据集
北京交通大学;