公开(公告)号：CN119476408A

公开(公告)日：2025-02-18

申请号：CN202411415967.6

申请日：2024-10-11

Applicant: 北京交通大学

Inventor： 邢薇薇 ,  梁启悦 ,  张冠甲 ,  刘渭滨

IPC: G06N3/096 ,  G06V10/764 ,  G06V10/762 ,  G06N3/0464 ,  G06N3/084

Abstract: 本申请涉及一种模型训练方法、装置、计算机设备和存储介质。方法包括：在源域模型的网络结构中新增一分类器，得到目标网络结构；目标网络结构包括原始分类器和去偏分类器；基于原始分类器的权重初始化去偏分类器的权重，将原始分类器的权重设置为不可更新状态，将去偏分类器的权重设置为可更新状态；获取目标域样本数据；目标域样本数据包括多个目标域样本以及每个目标域样本对应的伪标签和初始的自适应权重；根据目标域样本数据和预设的目标函数对目标网络结构进行迭代训练，得到训练好的目标域模型。本申请能在域间差异和类别不平衡同时存在的场景下，有效提高基于源域模型迁移得到的目标域模型的性能，同时提高目标域模型在尾部类上的性能。

公开(公告)号：CN115719475B

公开(公告)日：2023-09-19

申请号：CN202211301662.3

申请日：2022-10-24

Applicant: 北京交通大学

Inventor： 邢薇薇 ,  张冠甲

IPC: G06V20/56 ,  G06V10/25 ,  G06V10/774 ,  G06V10/77 ,  G06V10/82 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明提供了一种基于深度学习的三阶段铁路轨旁设备故障自动检测方法。该方法包括以下步骤：构建轨旁设备目标检测数据集；将待检测的轨旁图像送入轨旁设备目标检测网络中，定位与识别不同类型的轨旁设备，提取轨旁设备感兴趣区域；构建轨旁设备ROI语义分割数据集；设计并训练基于改进DeepLabv3+的轻量化语义分割网络，对轨旁设备ROI图像进行像素级别的分割；将轨旁设备ROI分割图作为研究对象，根据不同轨旁设备故障所呈现的不同视觉特征，分别设计长宽比例阈值、极点坐标比较和轮廓定量检测的三种快速故障判别算法。本发明充分融合了基于深度学习的目标检测与语义分割技术，对铁路轨旁设备实现了由粗到细的故障自动检测，实际应用意义较强。

公开(公告)号：CN115719475A

公开(公告)日：2023-02-28

申请号：CN202211301662.3

申请日：2022-10-24

Applicant: 北京交通大学

Inventor： 邢薇薇 ,  张冠甲

IPC: G06V20/56 ,  G06V10/25 ,  G06V10/774 ,  G06V10/77 ,  G06V10/82 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明提供了一种基于深度学习的三阶段铁路轨旁设备故障自动检测方法。该方法包括以下步骤：构建轨旁设备目标检测数据集；将待检测的轨旁图像送入轨旁设备目标检测网络中，定位与识别不同类型的轨旁设备，提取轨旁设备感兴趣区域；构建轨旁设备ROI语义分割数据集；设计并训练基于改进DeepLabv3+的轻量化语义分割网络，对轨旁设备ROI图像进行像素级别的分割；将轨旁设备ROI分割图作为研究对象，根据不同轨旁设备故障所呈现的不同视觉特征，分别设计长宽比例阈值、极点坐标比较和轮廓定量检测的三种快速故障判别算法。本发明充分融合了基于深度学习的目标检测与语义分割技术，对铁路轨旁设备实现了由粗到细的故障自动检测，实际应用意义较强。