一种基于迁移学习的特殊场景下铁路异物侵限检测方法

摘要

本发明提出了一种基于迁移学习的特殊场景下铁路异物侵限检测方法，包括以下步骤：S1：数据收集；S2：数据扩充：利用图像风格转换器将图像转换成不同域的图像，实现图像风格的迁移；S3：数据处理；S4：目标检测与跟踪。本发明首先针对恶劣天气环境和夜晚场景下训练样本过少的问题，将常规场景样本迁移到相应场景下，建立不同天气、不同时间条件下的铁路场景目标样本库；其次，基于深度卷积神经网络，通过目标检测SSD算法与CAFFE框架的结合，实现铁路场景下异常目标的检测，再结合生成的复杂样本库，实现基于迁移学习的复杂天气情况下的模型训练，利用模型的目标检测、跟踪与行为分析。