申请/专利权人：易思维(杭州)科技股份有限公司

申请日：2023-12-29

公开（公告）日：2024-03-29

公开（公告）号：CN117788938A

主分类号：G06V10/764

分类号：G06V10/764;G06V10/774;G06V10/82;G06N3/0464;G06V10/25;G06V10/42;G06V10/80

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.16#实质审查的生效;2024.03.29#公开

摘要：本发明公开了一种基于深度学习的实时受电弓检测及定位方法，包括如下步骤：S1、采集图像为数据集，拆分为训练集、验证集；S2、搭建轻量化目标检测模型，该模型包括采用改进GhostNet网络的主干网络、共享特征融合模块和改进的AnchorFree检测头；S3、第一轮训练，设置初始参数，采用数据增强方法将训练集中的图像输入模型进行训练；同时利用验证集评价训练过程中的模型，获取损失函数值最低或者MAP值最高的模型为本轮最优模型，记为优选模型；训练多次，获得最优选模型；S4、输入采集图像，即能输出框选出受电弓、滑板的图像。该方法能解决当前的目标检测模型高时间复杂度及高计算资源占用率、无法满足计算资源受限铁路现场的实时检测和推理的技术问题。

主权项：1.一种基于深度学习的实时受电弓检测及定位方法，其特征在于包括如下步骤：S1、采集多张受电弓图像，将所有图像调整为统一分辨率；分别标注受电弓、滑板，记录位置及类别信息，构建数据集，按照一定比例将数据集拆分为训练集和验证集；S2、搭建轻量化目标检测模型；所述轻量化目标检测模型包括主干网络、特征融合模块和检测头；所述主干网络采用改进的GhostNet网络，其由七个Ghost_Block堆叠而成，每个Ghost_Block中的卷积核尺寸为3×3的普通卷积用Rep_CDC模块替换；其分别从Ghost_Block3、Ghost_Block5、Ghost_Block7输出三个尺度的特征图；所述特征融合模块采用共享特征融合模块，其输入信息为所述主干网络最终输出的特征图；所述特征融合模块先将所述三个尺度的特征图通过卷积统一特征图的通道数、尺寸，再整合特征信息；将三个尺度的特征图，通过卷积调整通道数并整合特征，输出特征图I；所述特征图I为所述检测头的输入信息；所述检测头采用YOLOX网络的AnchorFree检测头，所述AnchorFree检测头中的普通卷积均替换为深度可分离卷积；S3、训练执行多轮，第一轮，为所述轻量化目标检测模型设置初始参数，采用数据增强方法将训练集中的图像输入轻量化目标检测模型进行训练；同时利用验证集评价训练过程中的模型，获取损失函数值最低或者MAP值最高的模型为本轮最优模型，记为优选模型；后续训练中，每轮训练开始时均将上一轮得到的优选模型的参数设为轻量化目标检测模型的初始权重，按照预设数据增强方式将训练集中图像输入轻量化目标检测模型进行训练、同时利用验证集评价训练过程中的模型，最终获取损失函数值最低或者MAP值最高的模型为优选模型；S4、向最终得到的优选模型中输入采集图像，即能输出框选出受电弓、滑板的图像。

全文数据：

权利要求：

百度查询： 易思维(杭州)科技股份有限公司 基于深度学习的实时受电弓检测及定位方法

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