基于无监督学习的无砟轨道表面异常分割

计算机应用研究页数： 8 2025-06-05

摘要：针对开放场景下无砟轨道异常样本难以全部覆盖的问题，提出了一种无须异常样本的无砟轨道表面异常分割方法。该方法结合图像特征分析与无监督学习框架，优化数据处理与特征学习过程，以提升检测精度与鲁棒性。首先，采用高亮特征分块策略将高分辨率图像分割为图像块，在保留结构信息的同时增强异常定位能力；其次，设计认知审查架构(cognitive review architecture, CRA),... （共8页）

开通会员，享受整站包年服务

说明：本文档由创作者上传发布，版权归属创作者。若内容存在侵权，请点击申诉举报

科技文档

数学力学化学金融证券保险投资会计审计园艺林业旅游体育物理学生物学天文学气象学海洋学地质学新能源金属学农艺学农作物管理学领导学自然科学系统科学资源科学无机化工有机化工燃料化工化学工业材料科学矿业工程冶金工业安全科学环境科学工业通用机械工业无线电子电信技术铁路运输汽车工业船舶工业动力工程电力工业农业科学农业工程植物保护动物医学教育理论学前教育初等教育中等教育高等教育职业教育成人教育自然地理地球物理经济统计农业经济工业经济交通经济企业经济文化经济信息经济贸易经济财政税收市场研究科学研究互联网自动化轻工业核科学服务业石油然气服务业野生动物水产渔业硬件仪器仪表航空航天武器军事公路运输水利水电建筑科学软件