机构名称：
¥ 18.0
该论文探讨了自动货运列车的环境监测和异常检测（特别是障碍物）所面临的挑战。尽管铁路运输传统上一直处于人类监督之下，但自动驾驶列车在成本、时间和安全性方面具有优势。然而，它们在复杂环境中的操作会带来重大的安全问题。本研究采用的不是需要昂贵且有限的注释数据的监督方法，而是采用无监督技术，依靠能够识别非典型行为的技术，使用未标记的数据来检测异常。提出了两种环境监测模型：第一种基于卷积自动编码器（CAE），用于识别主轨道上的障碍物；第二个版本是结合了 Vision Transformer (ViT) 的高级版本，专注于一般环境监测。两者都利用无监督学习技术进行异常检测。结果表明，所提出的方法为自主货运列车的环境监测提供了相关要素，有潜力增强其可靠性和安全性。因此，无监督技术的使用证明了其在自动列车应用环境中的实用性和相关性。
无监督深度学习
主要关键词
相关文件推荐
