一種基于深度學習的高速列車車底異物識別方法
基本信息
| 申請?zhí)?/td> | CN202010141770.3 | 申請日 | - |
| 公開（公告）號 | CN111402211A | 公開（公告）日 | 2020-07-10 |
| 申請公布號 | CN111402211A | 申請公布日 | 2020-07-10 |
| 分類號 | G06T7/00(2017.01)I | 分類 | - |
| 發(fā)明人 | 賀德強;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（專利權）人 | 南寧中車鋁材精密加工有限公司 |
| 代理機構 | 南寧智卓專利代理事務所（普通合伙） | 代理人 | 廣西大學;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)大學路100號 | ||
| 法律狀態(tài) | - | ||
摘要
| 摘要 | 本發(fā)明公開了一種基于深度學習的高速列車車底異物識別方法，按以下步驟進行：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)增強方法擴充圖像的數(shù)量，針對YOLO?V3網(wǎng)絡精度設計的缺陷設計出基于DenseNet網(wǎng)絡作為特征提取網(wǎng)絡，并在多尺度預測層中插入空間金字塔網(wǎng)絡，使YOLO網(wǎng)絡框架的精度得到提升，同時改善了其小物體檢測精度低的缺陷；使用隨機梯度下降法對改進的YOLO?V3模型進行訓練后獲得車底異物檢測模型，將車底異物圖片輸入至模型內(nèi)，輸出圖片的識別結果。本發(fā)明能夠實現(xiàn)對高速列車車底異物的智能檢測，識別率高，檢測速度快，檢測效率高，實用性強，相比傳統(tǒng)的檢測方法優(yōu)勢明顯，同時具有應用至其他領域的潛力。?? |
