一种基于Decouple-YOLO的列车轨道扣件缺失识别方法

    公开(公告)号:CN119693605A

    公开(公告)日:2025-03-25

    申请号:CN202411491240.6

    申请日:2024-10-24

    Abstract: 本发明提供了一种基于Decouple‑YOLO的列车轨道扣件缺失识别方法。该方法包括:对待识别的列车轨道扣件图像数据进行头部检测和解耦操作,获取检测头部的特征;将检测头部的特征图输入到RepVGG骨干网络,输出通过RepVGG骨干网络提取的图像特征;将检测头部的特征图和所述RepVGG骨干网络提取的图像特征输入到基于ShuffleNetv2的骨干网络,基于ShuffleNetv2的骨干网络输出列车轨道扣件缺失识别结果。本发明针对无人机巡检应用场景对检测头部进行解耦操作解决分类与回归任务之间的冲突,提升模型的检测精度和检测速度,从而提升整体检测性能。本发明以Repblock‑C3模块作为骨干网络,搭配解耦检测头部的模型在模型大小和参数量减小的情况下,检测精度得到进一步提升。

    基于最优传输理论的图像数据扩充方法及系统

    公开(公告)号:CN117934983A

    公开(公告)日:2024-04-26

    申请号:CN202311719966.6

    申请日:2023-12-14

    Abstract: 本发明提供一种基于最优传输理论的图像数据扩充方法及系统,属于图像处理技术领域,将自编码器与最优传输理论相结合,把图像生成的第二个任务:概率分布转换使用最优传输理论进行替换。由自编码器完成流形学习,最优传输映射完成概率分布转换。本发明使用蒙特卡洛方法建立了半离散最优传输映射网络,该网络将连续的白噪声分布映射为数据在隐空间内离散的分布,解决神经网络使用连续映射逼近不连续分布的问题。最后,对本发明提出的基于最优传输理论的图像数据扩充方法生成的的图像数据进行测试与分析,本发明解决了图像生成中出现的模式崩溃与模式混杂问题,通过测试结果分析验证了本发明的有效性。

Patent Agency Ranking