基于生成对抗网络的异物检测方法

    公开(公告)号:CN114220043A

    公开(公告)日:2022-03-22

    申请号:CN202111384661.5

    申请日:2021-11-22

    摘要: 本发明公开了一种基于生成对抗网络的异物检测方法,其特征在于,包括以下步骤:S1、将连续的多帧正常视频帧作为训练数据,按时间顺序堆叠起来输入到空洞细粒度生成器中重建当前帧进行训练;S2、构建图块级鉴别器,将被检测图像和重建图像分别输入到鉴别器中获得高维可区分的特征向量;S3、设计对抗性损失函数和局部注意重建损失函数;S4、根据损失函数对空洞细粒度生成器和图块级鉴别器进行对抗训练;S5、根据检测图片和重建图片在特征空间和图像空间上的加权重建误差构建异常分数特征图;设置一个异常阈值;S6、异常分数特征图中分数值大于阈值的区域标注为异物出现的位置。本发明适合于轨道交通站台门与列车之间的异物检测。

    基于多任务模型的轨道交通站台门与列车间异物检测和区域感知方法

    公开(公告)号:CN115690485A

    公开(公告)日:2023-02-03

    申请号:CN202211213783.2

    申请日:2022-09-30

    摘要: 本发明公开了基于多任务模型的轨道交通站台门与列车间异物检测和区域感知方法,包括:采集轨道交通站台门与列车间具有异物的图片,标注异物检测、区域分割及区域线检测真实标签供后续训练用;构建模型编码器,Backbone提取预处理后的图片的特征以供Neck模块使用,Neck提取更深入的信息供解码器使用;构建模型解码器,解码器根据更深入的信息,得到初步的异物检测、区域分割及区域线检测预测结果;构建总损失函数进行反向传播训练模型以得到模型具体参数,得到更准确的异物检测、区域分割及区域线检测预测结果,将得到的区域分割预测结果和区域线检测预测结果来调整异物检测的预测结果。该方法可检测异物的类型和位置,便于工作人员及时解决安全隐患。

    基于生成对抗网络的异物检测方法

    公开(公告)号:CN114220043B

    公开(公告)日:2024-07-16

    申请号:CN202111384661.5

    申请日:2021-11-22

    摘要: 本发明公开了一种基于生成对抗网络的异物检测方法,其特征在于,包括以下步骤:S1、将连续的多帧正常视频帧作为训练数据,按时间顺序堆叠起来输入到空洞细粒度生成器中重建当前帧进行训练;S2、构建图块级鉴别器,将被检测图像和重建图像分别输入到鉴别器中获得高维可区分的特征向量;S3、设计对抗性损失函数和局部注意重建损失函数;S4、根据损失函数对空洞细粒度生成器和图块级鉴别器进行对抗训练;S5、根据检测图片和重建图片在特征空间和图像空间上的加权重建误差构建异常分数特征图;设置一个异常阈值;S6、异常分数特征图中分数值大于阈值的区域标注为异物出现的位置。本发明适合于轨道交通站台门与列车之间的异物检测。