一種基于深度學(xué)習(xí)的高速列車車底異物識(shí)別方法
基本信息
| 申請(qǐng)?zhí)?/td> | CN202010141770.3 | 申請(qǐng)日 | - |
| 公開（公告）號(hào) | CN111402211A | 公開（公告）日 | 2020-07-10 |
| 申請(qǐng)公布號(hào) | CN111402211A | 申請(qǐng)公布日 | 2020-07-10 |
| 分類號(hào) | G06T7/00(2017.01)I | 分類 | - |
| 發(fā)明人 | 賀德強(qiáng);姚子鍇;陳滔;陳彥君;楊衛(wèi)林;陳繼清;周志恒;鄒智恒;李凱;劉晨宇 | 申請(qǐng)（專利權(quán)）人 | 南寧中車鋁材精密加工有限公司 |
| 代理機(jī)構(gòu) | 南寧智卓專利代理事務(wù)所（普通合伙） | 代理人 | 廣西大學(xué);南寧中車鋁材精密加工有限公司 |
| 地址 | 530004廣西壯族自治區(qū)南寧市西鄉(xiāng)塘區(qū)大學(xué)路100號(hào) | ||
| 法律狀態(tài) | - | ||
摘要
| 摘要 | 本發(fā)明公開了一種基于深度學(xué)習(xí)的高速列車車底異物識(shí)別方法，按以下步驟進(jìn)行：拍攝高速列車車底圖像，篩選出含有異物的圖像，使用數(shù)據(jù)增強(qiáng)方法擴(kuò)充圖像的數(shù)量，針對(duì)YOLO?V3網(wǎng)絡(luò)精度設(shè)計(jì)的缺陷設(shè)計(jì)出基于DenseNet網(wǎng)絡(luò)作為特征提取網(wǎng)絡(luò)，并在多尺度預(yù)測(cè)層中插入空間金字塔網(wǎng)絡(luò)，使YOLO網(wǎng)絡(luò)框架的精度得到提升，同時(shí)改善了其小物體檢測(cè)精度低的缺陷；使用隨機(jī)梯度下降法對(duì)改進(jìn)的YOLO?V3模型進(jìn)行訓(xùn)練后獲得車底異物檢測(cè)模型，將車底異物圖片輸入至模型內(nèi)，輸出圖片的識(shí)別結(jié)果。本發(fā)明能夠?qū)崿F(xiàn)對(duì)高速列車車底異物的智能檢測(cè)，識(shí)別率高，檢測(cè)速度快，檢測(cè)效率高，實(shí)用性強(qiáng)，相比傳統(tǒng)的檢測(cè)方法優(yōu)勢(shì)明顯，同時(shí)具有應(yīng)用至其他領(lǐng)域的潛力。?? |
