[发明专利]一种基于迁移学习的特殊场景下铁路异物侵限检测方法在审
| 申请号： | 201910720026.6 | 申请日： | 2019-08-06 |
| 公开（公告）号： | CN110706197A | 公开（公告）日： | 2020-01-17 |
| 发明（设计）人： | 李云栋;董晗;刘艺 | 申请（专利权）人： | 北方工业大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06N3/04;G06N3/08 |
| 代理公司： | 11525 北京红福盈知识产权代理事务所(普通合伙) | 代理人： | 陈月福 |
| 地址： | 100041 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提出了一种基于迁移学习的特殊场景下铁路异物侵限检测方法，包括以下步骤：S1：数据收集；S2：数据扩充：利用图像风格转换器将图像转换成不同域的图像，实现图像风格的迁移；S3：数据处理；S4：目标检测与跟踪。本发明首先针对恶劣天气环境和夜晚场景下训练样本过少的问题，将常规场景样本迁移到相应场景下，建立不同天气、不同时间条件下的铁路场景目标样本库；其次，基于深度卷积神经网络，通过目标检测SSD算法与CAFFE框架的结合，实现铁路场景下异常目标的检测，再结合生成的复杂样本库，实现基于迁移学习的复杂天气情况下的模型训练，利用模型的目标检测、跟踪与行为分析。 | ||
| 搜索关键词： | 目标检测 迁移 场景 图像风格 转换器 恶劣天气环境 卷积神经网络 场景目标 场景样本 复杂天气 复杂样本 模型训练 时间条件 数据扩充 数据收集 铁路异物 图像转换 行为分析 训练样本 异常目标 数据处理 样本库 跟踪 检测 铁路 图像 学习 天气 | ||
【主权项】：
1.一种基于迁移学习的特殊场景下铁路异物侵限检测方法，其特征在于，包括以下步骤：/nS1：数据收集；/nS2：数据扩充：利用图像风格转换器将图像转换成不同域的图像，实现图像风格的迁移；/nS3：数据处理；/nS4：目标检测与跟踪。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北方工业大学，未经北方工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910720026.6/，转载请声明来源钻瓜专利网。
