基于FRL-Net的高魯棒性多尺度小樣本軌道入侵異物檢測方法研究

摘要： 針對軌道入侵異物嚴重威脅行車安全，而基于廣義深度學習的目標檢測方法無法打破大數(shù)據(jù)驅動的訓練壁壘、小樣本目標檢測方法在復雜軌道環(huán)境中對多尺度入侵異物檢測能力差、魯棒性低等問題，本文提出了一種高魯棒性多尺度小樣本軌道入侵異物檢測模型。該模型采用元學習策略，通過多尺度小樣本入侵異物特征提取模塊增強模型對于不同尺度小樣本異物特征的表達能力。使用軌道入侵異物元特征精準重加權模塊對小樣本異... （共11頁）