-
公开(公告)号：CN112329863B
公开(公告)日：2022-04-22
申请号：CN202011237345.0
申请日：2020-11-09
Applicant: 西南交通大学
Abstract: 本发明提供一种牵引变电所内隔离开关状态识别方法，涉及铁路牵引变电所智能监测技术领域。该方法通过构建多任务学习网络进行隔离开关分割和状态识别，主要由两个阶段构成，第一阶段隔离开关分割网络包含输入层、编码层、解码层、特征融合模块和输出层，其中解码层和特征融合模块中的条形池化模块和金字塔池化模块能够有效提取隔离开关的旋转闸刀和其他不规则形状的特征，并准确分割隔离开关；第二阶段隔离开关识别网络包含输入层、特征提取层、全连接层和输出层，其中特征提取层的全局上下文模块能够有效提取隔离开关图像的全局上下文信息，从而准确识别“开”、“半开”、“闭”隔离开关的三种状态。
-
公开(公告)号：CN109493370A
公开(公告)日：2019-03-19
申请号：CN201811186951.7
申请日：2018-10-12
Applicant: 西南交通大学
Abstract: 本发明提供了一种基于空间偏移学习的目标跟踪方法，涉及计算机视觉技术领域。选择并确定要跟踪的目标对象，目标选取过程通过运动目标检测方法自动提取或者人工指定；空间偏移学习网络包含图像数据提取、深度神经网络、多层感知机MLP和空间偏移输出四个部分：在实时处理情况下，提取通过摄像头采集并保存在存储区的视频图像，作为要进行跟踪的输入图像；在离线处理情况下，将已采集的视频文件分解为多个帧组成的图像序列；短时跟踪采用粒子滤波方法，粒子滤波中的一个粒子代表一个可能的目标图像块，以对应的目标关注区域ROI作为空间偏移学习网络的在线训练集，采用随机梯度下降法SGD对空间偏移学习网络进行在线训练，更新网络参数；目标定位与更新。
-
公开(公告)号：CN109272036A
公开(公告)日：2019-01-25
申请号：CN201811071459.5
申请日：2018-09-14
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于深度残差网络的随机蕨目标跟踪方法，涉及计算机视觉及模式识别技术领域。从初始图像中选择并确定要跟踪的目标对象，检测器构建与初始化；组成的图像序列并按照时间顺序，逐个提取帧图像作为输入图像；跟踪过程中短时跟踪器在以上次确定的目标位置为中心的搜索区域与目标图像块做比较；提取目标图像块作为正样例，并在其周围选取背景图像块作为负样例，生成在线训练集并输入到检测器；检测器对整个图像区域执行目标检测，比较所有测试图像块的目标概率，将具有最大目标概率的测试图像块所对应的位置作为目标所在的位置，目标定位完成。
-
公开(公告)号：CN110660082B
公开(公告)日：2022-03-08
申请号：CN201910908419.X
申请日：2019-09-25
Applicant: 西南交通大学
IPC: G06T7/246 , G06N3/04 , G06V10/764 , G06K9/62
Abstract: 本发明公开了一种基于图卷积与轨迹卷积网络学习的目标跟踪方法，涉及计算机视觉，目标跟踪技术领域。该网络主要由双流特征提取层、目标候选轨迹提取层、目标定位层构成。网络将输出每一个目标候选轨迹的置信度，选取最大置信度的目标候选轨迹作为目标运动轨迹，再取目标运动轨迹的最后一帧的目标块为目标图像块，网络训练完成后则具备初始的目标定位能力。跟踪过程中，提取连续的16帧图像的目标的空间特征和目标运动轨迹特征，并联结成为双流特征，再经过LSTM结构获取遵循目标运动规律的目标候选轨迹，并且在特征提取方式上，能够针对目标更具判别部位分配更大的权重进行跟踪。
-
公开(公告)号：CN109272036B
公开(公告)日：2021-07-02
申请号：CN201811071459.5
申请日：2018-09-14
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于深度残差网络的随机蕨目标跟踪方法，涉及计算机视觉及模式识别技术领域。从初始图像中选择并确定要跟踪的目标对象，检测器构建与初始化；组成的图像序列并按照时间顺序，逐个提取帧图像作为输入图像；跟踪过程中短时跟踪器在以上次确定的目标位置为中心的搜索区域与目标图像块做比较；提取目标图像块作为正样例，并在其周围选取背景图像块作为负样例，生成在线训练集并输入到检测器；检测器对整个图像区域执行目标检测，比较所有测试图像块的目标概率，将具有最大目标概率的测试图像块所对应的位置作为目标所在的位置，目标定位完成。
-
Patent Agency Ranking
公开(公告)号：CN112766195B
公开(公告)日：2022-03-29
申请号：CN202110102075.0
申请日：2021-01-26
Applicant: 西南交通大学
IPC: G06V20/10 , G06V10/26 , G06V10/40 , G06V10/774 , G06V10/82 , G06V10/80 , G06K9/62 , G06T3/40 , G06N3/04
Abstract: 本发明提供了一种电气化铁路弓网燃弧视觉检测方法，涉及计算机图形识别技术领域。首先对存在燃弧的弓网图像进行掩码标注，然后将标注后的图像作为多维特征融合分割网络的数据集对网路进行训练，分割网络采用深度卷积网络，由特征提取模块、多维特征融合模块和头模块构成，弓网图像通过分割网络进行前向推理，网络分割头子模块输出结果两倍上采样后所得特征图作为弓网图像的分割结果。在多维特征融合模块中加入深度可分离卷积与分组卷积，同通道注意力和空间注意力机制的加入使得网络更加关注燃弧区域特征，训练完成后该网络能够准确地检测出弓网图像中是否发生了燃弧现象，对模型进行在线学习及自适应切换也能够提高网络的准确性与鲁棒性。
-
公开(公告)号：CN111507975B
公开(公告)日：2022-02-08
申请号：CN202010324733.6
申请日：2020-04-23
Applicant: 西南交通大学
Abstract: 本发明提供一种牵引变电所户外绝缘子异常检测方法。涉及计算机视觉、模式识别与智能系统技术领域。分别构建绝缘子定位网络与绝缘子图像生成网络的数据集；构建了一个绝缘子定位网络，通过训练使网络获得对图像中绝缘子定位能力；构建了一个绝缘子图像生成网络，通过训练使其获得对绝缘子图像重建能力；将牵引变电所图像输入网络模型；通过绝缘子定位网络对绝缘子进行定位，提取绝缘子图像；对绝缘子进行异常检测，绝缘子图像生成网络对每张图片给予一个异常分数。设置一个异常判断阈值，若异常分数超过设置的阈值，则判断为异常样本，若低于阈值，则判断为正常样本。最后对判定的异常图像及其生成图像进行特征提取，对比两者差异定位出异常区域。
-
公开(公告)号：CN110298404B
公开(公告)日：2020-12-29
申请号：CN201910591870.3
申请日：2019-07-02
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于三重孪生哈希网络学习的目标跟踪方法，涉及计算机视觉、目标跟踪及深度学习技术领域。该方法首先构建了一个三重孪生哈希网络，该网络由数据输入层、卷积特征提取层、哈希编码层三部分构成。在网络初始训练过程中，使用训练数据集和随机梯度下降反向传播算法对三重孪生哈希网络进行训练，训练完成后网络即可获得目标定位的初始能力。跟踪过程中则首先将输入图像通过三重孪生区域推荐网络得到相应的候选框，再将候选框输入三重孪生哈希网络进行正向处理，分别计算每个候选框与查询样本的相似度，选择最高相似度的候选框作为跟踪目标对象，从而实现目标跟踪。
-
公开(公告)号：CN110569793A
公开(公告)日：2019-12-13
申请号：CN201910846140.3
申请日：2019-09-09
Applicant: 西南交通大学
Abstract: 本发明公开了一种无监督相似性判别学习的目标跟踪方法，涉及计算机视觉目标跟踪技术领域。采用t-SNE将特征进行降维和聚类，得到图像类别伪标签及类别总数，然后将该伪标签作为图像真实标签，并将图像特征输入全连接层并进行分类，网络进行反向传播训练。训练完成后，网络具备了图像相似性判别能力。跟踪过程中，首先根据第一帧图像的目标位置，在当前输入帧对应的目标周围交并比IOU>0.8得到待搜索区域，并使用粒子滤波获取目标候选块，再通过无监督相似性特征提取层获取目标候选块的特征，最后分类层将输出每一个目标候选块的置信度，然后将具有最大置信度的目标候选块作为目标图像块完成目标定位，从而实现对目标对象的跟踪。
-
公开(公告)号：CN110298404A
公开(公告)日：2019-10-01
申请号：CN201910591870.3
申请日：2019-07-02
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于三重孪生哈希网络学习的目标跟踪方法，涉及计算机视觉、目标跟踪及深度学习技术领域。该方法首先构建了一个三重孪生哈希网络，该网络由数据输入层、卷积特征提取层、哈希编码层三部分构成。在网络初始训练过程中，使用训练数据集和随机梯度下降反向传播算法对三重孪生哈希网络进行训练，训练完成后网络即可获得目标定位的初始能力。跟踪过程中则首先将输入图像通过三重孪生区域推荐网络得到相应的候选框，再将候选框输入三重孪生哈希网络进行正向处理，分别计算每个候选框与查询样本的相似度，选择最高相似度的候选框作为跟踪目标对象，从而实现目标跟踪。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.019 seconds)
