典型文献
基于SimAM和SpinalNet的列车轮对踏面缺陷分类模型
文献摘要：
为解决小样本问题下轮对踏面缺陷分类难题,提出一种基于简单无参注意力模块(SimAM)和脊柱神经网络(SpinalNet)踏面缺陷分类模型.首先,预训练网络提取原始图像各个类别特征图;其次,在有限的训练样本下,利用SimAM提取对缺陷图像表示性更强的类别特征;然后,利用SpinalNet关联特征图的局部和整体语义,得到缺陷类别特征的强区分性表示;最后,以强区分性表示特征输入带有L2正则化的softmax分类器,得到分类结果.试验结果表明:小样本任务评估指标准确率1和准确率2分别为68.35％和100％,优于目前主流深度学习模型,能够有效分类轮对踏面缺陷从而避免列车安全事故发生.
文献关键词：
轮对踏面;缺陷分类;简单无参注意力模块(SimAM);脊柱神经网络(SpinalNet);L2正则化
中图分类号：
作者姓名：
张昌凡;胡新亮;何静;刘建华;侯娜
作者机构：
湖南工业大学电气与信息工程学院,湖南株洲412007;湖南工业大学轨道交通学院,湖南株洲412007
文献出处：
引用格式：
[1]张昌凡;胡新亮;何静;刘建华;侯娜-.基于SimAM和SpinalNet的列车轮对踏面缺陷分类模型)[J].中国安全科学学报,2022(06):38-43
A类：
SpinalNet
B类：
SimAM,列车,车轮,轮对踏面,踏面缺陷,缺陷分类,分类模型,小样本问题,题下,注意力模块,脊柱,预训练,原始图像,类别特征,特征图,训练样本,示性,关联特征,区分性,L2,正则化,softmax,分类器,深度学习模型,安全事故
AB值：
0.269786
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
