亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        深度學(xué)習(xí)在動(dòng)車組檢修作業(yè)評(píng)價(jià)的應(yīng)用研究

        2023-09-28 02:30:14顧小山倪建軍
        關(guān)鍵詞:內(nèi)核卷積檢修

        顧小山 倪建軍

        (中國(guó)鐵路上海局集團(tuán)有限公司南京動(dòng)車段,江蘇 南京 210000)

        高速動(dòng)車組具有運(yùn)行環(huán)境復(fù)雜、客載量大、長(zhǎng)交路持續(xù)運(yùn)行的特點(diǎn),對(duì)整個(gè)動(dòng)車組牽引輔助系統(tǒng)、制動(dòng)系統(tǒng)、鐵路砟道性能影響非常大,給提升動(dòng)車組列車檢修效率及控制檢修成本帶來(lái)了巨大挑戰(zhàn)[1]。根據(jù)相關(guān)指導(dǎo)意見,結(jié)合南京動(dòng)車段多次實(shí)踐驗(yàn)證,該文建立動(dòng)車組質(zhì)量與安全大數(shù)據(jù)分析管理系統(tǒng),以滿足設(shè)備檢修需要,減輕作業(yè)強(qiáng)度。

        該系統(tǒng)借鑒SE模塊和深度可分離卷積[2]的優(yōu)點(diǎn),設(shè)計(jì)了全新的神經(jīng)網(wǎng)絡(luò)模型用于對(duì)比服務(wù)。作業(yè)人員手持巡檢儀對(duì)巡檢作業(yè)關(guān)鍵點(diǎn)進(jìn)行拍照,系統(tǒng)將拍攝的圖片與模板進(jìn)行對(duì)比,分析、確認(rèn)巡檢效果,并對(duì)拍攝的作業(yè)圖片進(jìn)行評(píng)分,反饋?zhàn)鳂I(yè)質(zhì)量,實(shí)現(xiàn)對(duì)作業(yè)過(guò)程質(zhì)量的初步評(píng)價(jià)。

        1 深度可分離卷積

        傳統(tǒng)的深度神經(jīng)網(wǎng)絡(luò)(如GoogLeNet、ResNet等)雖然能夠以高精度的檢索結(jié)果完成圖像對(duì)比分類任務(wù),但由于越來(lái)越深的傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)需要學(xué)習(xí)大量的參數(shù),這將需要很高的計(jì)算資源(價(jià)格昂貴的GPU)。為此,該系統(tǒng)架構(gòu)考慮數(shù)據(jù)容量龐大且需要進(jìn)行高效的運(yùn)算,因此采用深度可分離卷積[3]完成對(duì)整體模型架構(gòu)的壓縮和加速。

        一張圖像是具有寬度、高度以及深度的,并不是二維的。在此該文進(jìn)行一個(gè)假設(shè),給定一個(gè)12×12×3像素(RGB)的輸入圖像。對(duì)圖像做一個(gè)5×5的卷積,不加填充,步幅為1。如果只考慮圖像的寬度和高度,卷積過(guò)程為12×12-(5×5)→8×8。5×5內(nèi)核中,對(duì)每25個(gè)像素進(jìn)行標(biāo)量乘法,每次輸出一個(gè)數(shù)字。由于沒(méi)有填充(12-5+1=8),最終得到一個(gè)8×8像素的圖像。

        因?yàn)閳D像存在3個(gè)通道,卷積核也需要有3個(gè)通道。這意味著不是做5×5=25次乘法,而是每次內(nèi)核移動(dòng)時(shí)做5×5×3=75次乘法。就像二維解釋一樣,對(duì)每25個(gè)像素做標(biāo)量矩陣乘法,輸出一個(gè)數(shù)字。在經(jīng)過(guò)5×5×3內(nèi)核之后,12×12×3圖像將變成8×8×1圖像,如圖1所示。

        圖1 傳統(tǒng)卷積過(guò)程

        如果想增加輸出圖像中的通道數(shù)量(比如大小為8×8×256的輸出),可以創(chuàng)建256個(gè)內(nèi)核的方式來(lái)創(chuàng)建256個(gè)8×8×1圖像,將其進(jìn)行堆疊,創(chuàng)建出8×8×256圖像輸出,如圖2所示。

        圖2 傳統(tǒng)卷積過(guò)程

        深度可分離卷積是一個(gè)可以替代傳統(tǒng)卷積層的架構(gòu)。卷積的過(guò)程中,不同的出入通道采取不同的卷積核,整個(gè)卷積操作可以分解為2個(gè)過(guò)程,即深度卷積和點(diǎn)向卷積。

        深度卷積是在不改變深度的前提條件下對(duì)輸入圖像進(jìn)行深度方向卷積,在此使用了3個(gè)5×5×1形狀的內(nèi)核,如圖3所示。

        圖3 深度卷積過(guò)程

        每個(gè)5×5×1內(nèi)核迭代圖像的1個(gè)通道(注意:1個(gè)通道,而不是所有通道),得到每25個(gè)像素組的標(biāo)量積,得到一個(gè)8×8×1圖像。將這些圖像疊加在一起可創(chuàng)建8×8×3圖像。

        點(diǎn)向卷積之所以如此命名,是因?yàn)樗褂昧艘粋€(gè)1×1內(nèi)核,或者說(shuō)是一個(gè)遍歷每個(gè)點(diǎn)的內(nèi)核。該內(nèi)核有一個(gè)深度,不管輸入圖像有多少通道,在此處的例子中,其為3。因此,通過(guò)8×8×3圖像迭代1×1×3內(nèi)核,得到8×8×1圖像。

        以此類推,創(chuàng)建256個(gè)1×1×3內(nèi)核,每個(gè)內(nèi)核輸出一個(gè)8×8×1圖像,以得到形狀為8×8×256的最終圖像,如圖4所示。

        圖4 逐點(diǎn)卷積過(guò)程

        通過(guò)上述將傳統(tǒng)卷積層拆分為深度卷積和點(diǎn)向卷積。更抽象地說(shuō),如果原始卷積函數(shù)是12×12×3-(5×5×3×256)→12×12×256,經(jīng)過(guò)分析可以將這個(gè)新的卷積表示為12×12×3-(5×5×1×1)→(1×1×3×256)→12×12×256。

        原始卷積中有256個(gè)5×5×3內(nèi)核,可以移動(dòng)8×8次,代表256×3×5×5×8×8=1228800次乘法。然而,在深度卷積中,有3個(gè)5×5×1的內(nèi)核移動(dòng)了8×8次。也就是3×5×5×8×8=4800。在點(diǎn)向卷積中,有256個(gè)1×1×3的內(nèi)核移動(dòng)了8×8次,即256×1×1×3×8×8=49152。把它們相加即是53952次乘法。52,952比1,228,800小很多。計(jì)算量越少,網(wǎng)絡(luò)就能在越短的時(shí)間內(nèi)處理更多的數(shù)據(jù)。

        (該節(jié)圖片來(lái)自于網(wǎng)絡(luò),地址為https://blog.csdn.net/makefish/article/details/88716534)。

        2 Squeeze-and-Excitation(SE模塊)

        為了使模型在計(jì)算效率高的情況下保持精度穩(wěn)定甚至有所提高,該文在此采用了通道注意力機(jī)制。為使模型更加輕量,可減少計(jì)算,深度可分離卷積會(huì)對(duì)通道進(jìn)行分組。借鑒SENet,采用Squeeze-and-Excitation(SE)模塊對(duì)通道之間的關(guān)系進(jìn)行關(guān)注,模型將對(duì)不同通道特征的重要程度進(jìn)行自動(dòng)學(xué)習(xí)。SE模塊先通過(guò)卷積得到特征圖,然后進(jìn)行Squeeze操作,從而得到通道級(jí)的全局特征,進(jìn)一步對(duì)全局特征進(jìn)行Excitation操作,目的是學(xué)習(xí)各個(gè)通道間的關(guān)系,得到不同通道的權(quán)重。最后將原來(lái)的特征圖乘以權(quán)重得到最終特征。本質(zhì)上來(lái)看,SE模塊是在通道維度上做注意力操作,該種機(jī)制可以讓模型抑制那些不重要的通道特征,更關(guān)注信息量最大的通道特征。SE模塊如圖5所示。

        圖5 SE模塊

        SE模塊的主要組成部分包括Squeeze操作和Excitation操作,適用于所有映射Ftr:X→U,X∈RH'×W'×C',U∈RH×W×C,以卷積為例,卷積核為V=[v1,v1,...,vc],其中vc表示第c個(gè)卷積核,那么輸出如公式(1)所示。

        式中:*代表卷積操作;vsC代表一個(gè)3D卷積核。

        其輸入單個(gè)通道上的空間特征,對(duì)特征空間關(guān)系進(jìn)行學(xué)習(xí),只是由于對(duì)各個(gè)通道的卷積結(jié)果進(jìn)行了求和操作,因此導(dǎo)致卷積核學(xué)習(xí)到的空間關(guān)系和通道特征關(guān)系混合在一起。SE模塊可以解決這一問(wèn)題,通過(guò)抽離這種混雜,使模型直接學(xué)習(xí)到通道特征關(guān)系。

        卷積只是在局部空間進(jìn)行操作,導(dǎo)致U難以獲取用于提取通道之間關(guān)系的足量信息。而由于感受也比較小,網(wǎng)絡(luò)中前面的層在這個(gè)問(wèn)題上更嚴(yán)重。正因?yàn)檫@樣,SENet提出了解決方案——Squeeze操作,它是將一個(gè)通道上整個(gè)空間特征編碼為一個(gè)全局特征,采用全局均值池化層來(lái)實(shí)現(xiàn),如公式(2)所示。

        Sequeeze操作只得到了全局描述特征,接下來(lái)需要另外一種運(yùn)算來(lái)抓取通道之間的關(guān)系。該操作需要滿足2個(gè)準(zhǔn)則:第一點(diǎn)是要靈活,它要可以學(xué)習(xí)到各個(gè)通道之間的非線性關(guān)系;第二點(diǎn)是學(xué)習(xí)的關(guān)系不是互斥的,因?yàn)檫@里允許多通道特征,而不是one-hot形式?;诖?,該文采用sigmoid形式的門控機(jī)制,如公式(3)所示。

        式中:δ表示ReLU激活函數(shù);σ表示sigmoid激活函數(shù);分別是2個(gè)全連接層的權(quán)值矩陣,其中r是中間層隱藏層節(jié)點(diǎn)數(shù)。

        為了達(dá)到提升泛化能力及降低模型復(fù)雜度的目的,該文采用包括2個(gè)全連接層的瓶頸結(jié)構(gòu)。其中第一個(gè)全連接層起到的作用是降維,降維系數(shù)為r,是個(gè)超參數(shù),然后采用ReLU激活函數(shù)進(jìn)行激活。另一個(gè)全連接層的作用是見降低的維度恢復(fù)原始的維度。

        最后輸出表示為s和U的向量積,即圖5中的Fscale(·,·)操作如公式(4)所示。

        實(shí)際上在整個(gè)操作過(guò)程中,可以理解為通過(guò)學(xué)習(xí)各個(gè)通道的權(quán)重系數(shù),使模型對(duì)各個(gè)通道的特征更具有辨別能力。

        3 基于深度學(xué)習(xí)的對(duì)比服務(wù)模型

        自動(dòng)評(píng)價(jià)系統(tǒng)中的對(duì)比服務(wù)基于深度神經(jīng)網(wǎng)絡(luò)模型,其中網(wǎng)絡(luò)模型的主要模塊是基于通道注意力的深度可分離卷積塊。該模塊既可高效完成對(duì)比任務(wù),又能保障精度,因此結(jié)合SE模塊和深度可分離卷積的特點(diǎn)構(gòu)造了新型的神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu),如圖6所示。

        圖6 深度神經(jīng)網(wǎng)絡(luò)模型

        在深度可分離卷積塊模塊中,經(jīng)過(guò)深度可分離卷積得到的張量流U,首先經(jīng)過(guò)全局均值池化層得到每一個(gè)通道對(duì)應(yīng)的一個(gè)標(biāo)量值。其次經(jīng)過(guò)兩層全連接層的先降維、再升維的變化(增加非線性特征)。再經(jīng)過(guò)Sigmoid激活函數(shù)處理。最終把得到的向量(向量長(zhǎng)度和U的通道數(shù)相同)和U進(jìn)行點(diǎn)積操作(Scale),輸出新的張量流。

        使用CADSConv模塊構(gòu)建新的網(wǎng)絡(luò)模型。通過(guò)CADSConv模塊完成特征提取工作,最后添加SoftMax層完成最終的對(duì)比服務(wù)。Softmax激活函數(shù)如公式(5)所示。

        輸出計(jì)算圖如圖7所示。假設(shè)模板作業(yè)圖像庫(kù)中有3個(gè)類別,當(dāng)工作人員在現(xiàn)場(chǎng)采集的新圖片經(jīng)過(guò)神經(jīng)網(wǎng)絡(luò)提取特征后會(huì)得到3個(gè)輸出節(jié)點(diǎn)值,這3個(gè)值經(jīng)過(guò)Softmax激活函數(shù)激活后變成對(duì)應(yīng)各自的概率值,該概率值就會(huì)當(dāng)作對(duì)比服務(wù)中的相似度值,即概率值越高,相似度越大,于是可認(rèn)為該采集圖片屬于哪一個(gè)類別,至此完成對(duì)比任務(wù)。

        圖7 輸出計(jì)算圖

        4 結(jié)論

        動(dòng)車組檢修作業(yè)質(zhì)量自動(dòng)評(píng)價(jià)系統(tǒng)能夠?qū)F(xiàn)有的視頻采集資源有效整合起來(lái),利用自動(dòng)評(píng)鑒系統(tǒng)解決了之前需要人員進(jìn)行手工導(dǎo)入的圖像、語(yǔ)音和視頻的記錄、保存、查看系統(tǒng)問(wèn)題,通過(guò)自動(dòng)圖像識(shí)別減輕了現(xiàn)場(chǎng)工人的工作量,提高了現(xiàn)場(chǎng)使用人員的檢修質(zhì)量。將所有視頻資源經(jīng)過(guò)數(shù)據(jù)管理、資源管理、統(tǒng)計(jì)分析和終端設(shè)備配置等,自動(dòng)生成局、段、所、班組和人員等各級(jí)人員需要的統(tǒng)計(jì)分析報(bào)表,為鐵路檢修提供保障,為決策者提供有利的支撐。

        猜你喜歡
        內(nèi)核卷積檢修
        萬(wàn)物皆可IP的時(shí)代,我們當(dāng)夯實(shí)的IP內(nèi)核是什么?
        基于3D-Winograd的快速卷積算法設(shè)計(jì)及FPGA實(shí)現(xiàn)
        強(qiáng)化『高新』內(nèi)核 打造農(nóng)業(yè)『硅谷』
        從濾波器理解卷積
        電子制作(2019年11期)2019-07-04 00:34:38
        基于嵌入式Linux內(nèi)核的自恢復(fù)設(shè)計(jì)
        檢修
        Linux內(nèi)核mmap保護(hù)機(jī)制研究
        基于傅里葉域卷積表示的目標(biāo)跟蹤算法
        電力系統(tǒng)繼電保護(hù)二次回路的維護(hù)與檢修
        電子制作(2016年19期)2016-08-24 07:49:56
        論自動(dòng)化焊接設(shè)備的預(yù)檢修
        黄色录像成人播放免费99网| 成人乱码一区二区三区av| 99久久精品国产一区二区三区| 少妇太爽了在线观看| 香港三级欧美国产精品| 人妻被公上司喝醉在线中文字幕| 亚洲日韩成人无码| 玩弄少妇高潮ⅹxxxyw| 日批视频免费在线观看| 日本伦理视频一区二区| 偷拍偷窥女厕一区二区视频| 人妻少妇精品无码专区二区| 亚洲AV无码精品呻吟| 中文字幕亚洲精品一二三区| 国产三a级三级日产三级野外| 欧美黑人xxxx又粗又长| 天天综合久久| 日本激情久久精品人妻热| 熟女一区二区三区在线观看| 东北妇女肥胖bbwbbwbbw| 国产激情视频在线观看首页| 国产精品成年人毛片毛片| 亚洲youwu永久无码精品| 日本欧美视频在线观看| 亚洲高清视频在线播放| 亚洲性日韩一区二区三区| 国产精品毛片无遮挡| 亚洲欧洲日产国码无码久久99| 青草青草久热精品视频国产4| 国产在线一区二区三区四区乱码| 久久久久人妻精品一区三寸| 一本色综合亚洲精品蜜桃冫| 国产人成视频免费在线观看| 国产精品狼人久久影院软件介绍| 久久久受www免费人成| AV永久天堂网| 开心五月激动心情五月| 午夜dy888国产精品影院| 欧美精品久久久久久久自慰| 麻豆av一区二区天堂| 亚洲一区二区三区综合免费在线|