申请/专利权人：山东捷讯通信技术有限公司

申请日：2021-04-07

公开（公告）日：2021-08-06

公开（公告）号：CN113221646A

主分类号：G06K9/00(20060101)

分类号：G06K9/00(20060101);G06K9/34(20060101);G06K9/46(20060101);G06K9/62(20060101);G06N3/04(20060101);G06N3/08(20060101)

优先权：

专利状态码：失效-发明专利申请公布后的驳回

法律状态：2023.10.27#发明专利申请公布后的驳回;2021.08.24#实质审查的生效;2021.08.06#公开

摘要：本发明涉及一种基于Scaled‑YOLOv4的城市地下综合管廊异常物检测方法，包含以下几个步骤：使用地下管廊摄像头对异常物的图像进行采集；对获得的图像进行清洗、标注，建立地下综合管廊异常物图像训练集与测试集；使用Scaled‑YOLOv4对训练集数据训练，并在测试集进行测试，得到测试结果。由于数据集的异常物图像数据量较小，完成数据预处理后，使用训练集对Scaled‑YOLOv4模型进行训练，在测试集上对模型进行评估；然后将训练好的Scaled‑YOLOv4模型用于城市地下综合管廊异常物的检测。本发明对地下综合管廊中的异常物进行了准确的检测，实用性强，准确度高，同时保持速度和准确性，在速度与精度之间实现较好的平衡。可广泛应用于地下综合管廊异常物图像目标检测领域。

主权项：1.一种基于Scaled-YOLOv4的城市地下综合管廊异常物检测方法，其特征在于，包括以下几个步骤：步骤1：利用城市地下综合管廊摄像头，通过专家筛选拍摄图像中包含异常物或疑似异常物的图像，建立城市地下综合管廊异常物图像数据集；步骤2：对建立的数据集进行预处理，包括专家对拍摄图像进行异常物标注，对标注后的图像再次进行裁剪，建立模型的训练集和测试集；步骤3：构建Scaled-YOLOv4模型，在该模型中，对YOLOv4中的PAN体系结构进行了CSP-ize，新的结构有效的减少了40％的计算量；步骤4：使用训练集训练Scaled-YOLOv4模型，将输入网络的图像大小修改为最后切割的图像大小；步骤5：使用测试集测试训练好的Scaled-YOLOv4模型的性能，然后将模型用于城市综合管廊异常物图像的识别，并输出识别检测结果。

全文数据：

权利要求：

百度查询： 山东捷讯通信技术有限公司 一种基于Scaled-YOLOv4的城市地下综合管廊异常物检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD