基于卷积神经网络的光纤安防入侵动作信息识别
针对现有光纤安防动作识别方法对入侵方式的适应能力的不足,提出一种基于卷积神经网络的入侵动作方法。该网络是针对经典LeNet 网络做小型化的改进而成,具体包括共拥有10 层结构,其中包含1层输入层,3 层卷积层,3 层池化层,2 层全连接层以及1 层输出层；通过采用ReLu 激活函数起到提升非线性表达,采用局部响应归一化以防止梯度爆炸和梯度消失,采用dropout 措施以缓解过拟合,整个识别系统的精度相比于传统神经网络方法大大提升,对常见的6 种入侵动作的识别率高达94％以上。
光纤安防 卷积神经网络 入侵动作识别 非线性表征
王苹 王博 黄翔东
天津大学管理与经济学部,天津 300072 中国航天科工集团八五一一研究所,南京 210007 天津大学电气自动化与信息工程学院,天津 300072
国内会议
重庆
中文
359-362
2022-04-10（万方平台首次上网日期，不代表论文的发表时间）