申请/专利权人：东南大学

申请日：2024-01-19

公开（公告）日：2024-04-30

公开（公告）号：CN117953325A

主分类号：G06V10/774

分类号：G06V10/774;G06V10/82;G06V10/44;G06N3/0464;G06N3/0455;G06N3/084

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.17#实质审查的生效;2024.04.30#公开

摘要：本发明提供一种基于局部特征强化及信息融合的故障目标Transformer检测方法，包含主干网络、颈部网络、编码器网络、解码器网络、预测输出网络以及训练损失模块。相比于原方法，该方法利用颈部网络的特征增强模块加强输入编码层数据的特征，提高网络检测准确度；利用编码器网络与解码器网络进行特征值传递，强化候选框初始化效果；利用一对多匈牙利匹配算法与信息融合的损失函数加快模型收敛速度，最终实现端到端目标检测，使用融合类别信息与预测框信息的损失计算模块，保证目标检测训练的同步与稳定性；本方法在公开目标检测数据集及故障数据集下不仅提高了检测准确率，同时降低了训练网络所需的迭代次数。

主权项：1.一种基于局部特征强化及信息融合的故障目标Transformer检测方法，其特征在于，包括以下步骤：步骤1：搭建目标检测网络，初始化网络权重，对数据进行标注并构建数据集；步骤2：基于数据集划分为训练集、验证集及测试集三个不相交子集，并分别进行数据预处理及数据增强；步骤3：利用训练集对目标检测网络进行训练，采用训练损失模块加速模型收敛速度，并利用验证集检测训练效果；步骤4：载入训练完成的Transformer故障目标检测网络，利用测试集检测网络精度。

全文数据：

权利要求：

百度查询： 东南大学 一种基于局部特征强化及信息融合的故障目标Transformer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