[发明专利]一种基于车载移动深度学习平台的杆号识别方法有效
| 申请号： | 201910886389.7 | 申请日： | 2019-09-19 |
| 公开（公告）号： | CN110598665B | 公开（公告）日： | 2022-09-09 |
| 发明（设计）人： | 刘志刚;刘凯 | 申请（专利权）人： | 西南交通大学 |
| 主分类号： | G06V20/58 | 分类号： | G06V20/58;G06V10/774;G06N3/04;G06N3/08 |
| 代理公司： | 成都信博专利代理有限责任公司 51200 | 代理人： | 卓仲阳 |
| 地址： | 610031 四川省成都市*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于车载移动深度学习平台的杆号识别方法，包括以下步骤：1、获取高铁接触网零部件图像并标记，再筛选得到接触网杆号图像的数据集；2、使用加速区域卷积神经网络模型Faster R‑CNN对步骤1的接触网杆号图像数据集进行训练，对全局接触网杆号图像中的杆号牌定位，得到杆号牌图片数据集；3、使用快速定位模型SSD对步骤2的杆号牌图片数据集进行训练，对杆号牌图片中的数字定位，得到杆号牌数字图片数据集；4、在嵌入式深度学习移动平台部署深度学习模型；5、使用多类别非极大抑制算法对步骤4得到的识别目标进行筛选，得到杆号数字文本；本发明针对高铁接触网杆号识别，定位准确率高、检测时间短。 | ||
| 搜索关键词： | 一种 基于 车载 移动 深度 学习 平台 识别 方法 | ||
【主权项】：
1.一种基于车载移动深度学习平台的杆号识别方法，其特征在于，包括以下步骤：/n步骤1：获取高铁接触网零部件图像并标记，再筛选得到接触网杆号图像的数据集；/n步骤2：使用加速区域卷积神经网络模型Faster R-CNN对步骤1的接触网杆号图像数据集进行训练，对全局接触网杆号图像中的杆号牌定位，得到杆号牌图片数据集；/n步骤3：使用快速定位模型SSD对步骤2的杆号牌图片数据集进行训练，对杆号牌图片中的数字定位，得到杆号牌数字图片数据集；/n步骤4：在嵌入式深度学习移动平台部署深度学习模型；/n步骤5：使用多类别非极大抑制算法对步骤4得到的识别目标进行筛选，得到杆号数字文本。/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西南交通大学，未经西南交通大学许可，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/201910886389.7/，转载请声明来源钻瓜专利网。
