基于無監(jiān)督學習的無砟軌道表面異常分割

摘要： 針對開放場景下無砟軌道異常樣本難以全部覆蓋的問題，提出了一種無須異常樣本的無砟軌道表面異常分割方法。該方法結合圖像特征分析與無監(jiān)督學習框架，優(yōu)化數據處理與特征學習過程，以提升檢測精度與魯棒性。首先，采用高亮特征分塊策略將高分辨率圖像分割為圖像塊，在保留結構信息的同時增強異常定位能力；其次，設計認知審查架構(cognitive review architecture, CRA),... （共8頁）