公开(公告)号：CN110378869A

公开(公告)日：2019-10-25

申请号：CN201910488359.0

申请日：2019-06-05

Applicant: 北京交通大学

Inventor： 刘俊博 ,  黄雅平 ,  王胜春 ,  戴鹏 ,  杜馨瑜

IPC: G06T7/00

Abstract: 本发明涉及一种样本自动标注的钢轨扣件异常检测方法。本发明能够在扣件区域定位阶段自动的收集扣件样本构建训练数据集，无需手工采集和标注训练样本。提出了一种融合基于离线学习获得的知识库和在线学习分类器的多分类识别模型，解决了扣件分类时对新线路数据的适应能力。本发明利用在线学习的思想动态的更新模板库，使扣件区域定位模块可以自适应不同铁路线路或不同区段的轨道图像。本发明还设计了一个深度卷积神经网络模型，使用多层次的卷积层来提取图像特征，对图像特征的表达能力更强，可有效提升图像分类的精度。针对不同类别扣件样本数量不平衡的问题，本发明提出了随机排序的策略减小样本数量失衡对网络性能的影响。

公开(公告)号：CN110378869B

公开(公告)日：2021-05-11

申请号：CN201910488359.0

申请日：2019-06-05

Applicant: 北京交通大学

Inventor： 刘俊博 ,  黄雅平 ,  王胜春 ,  戴鹏 ,  杜馨瑜

IPC: G06T7/00

Abstract: 本发明涉及一种样本自动标注的钢轨扣件异常检测方法。本发明能够在扣件区域定位阶段自动的收集扣件样本构建训练数据集，无需手工采集和标注训练样本。提出了一种融合基于离线学习获得的知识库和在线学习分类器的多分类识别模型，解决了扣件分类时对新线路数据的适应能力。本发明利用在线学习的思想动态的更新模板库，使扣件区域定位模块可以自适应不同铁路线路或不同区段的轨道图像。本发明还设计了一个深度卷积神经网络模型，使用多层次的卷积层来提取图像特征，对图像特征的表达能力更强，可有效提升图像分类的精度。针对不同类别扣件样本数量不平衡的问题，本发明提出了随机排序的策略减小样本数量失衡对网络性能的影响。