公开(公告)号：CN111339858A

公开(公告)日：2020-06-26

申请号：CN202010096021.3

申请日：2020-02-17

Applicant: 电子科技大学

Inventor： 于永斌 ,  唐倩 ,  彭辰辉 ,  陆瑞军 ,  买峰 ,  汤亦凡 ,  戚敏惠 ,  邓权芯 ,  毛宇涵

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明提供了一种基于神经网络的油气管道标志物识别方法，该方法包括步骤：构建模型，获取训练集、验证集和测试集，经过训练得到最优模型，采用测试集进行测试，得到检测结果并计算检测精度。本发明使用参数少的Mobilenet作为基础网络，在多尺度特征映射上直接回归的SSD算法作为目标检测算法，实现了多尺度的目标检测，且检测模型小、检测速度快，使检测模型部署在移动端，对油气管道的标志物进行实时检测；并通过CBAM注意力机制从全局和局部范围突出标志物的显著特征，获得更好的检测效果；同时注意力机制嵌入在基础网络的每层后面，可以从第一层逐层增强特征表达能力，有效剔除干扰信息，提高检测精度。

公开(公告)号：CN111339858B

公开(公告)日：2022-07-29

申请号：CN202010096021.3

申请日：2020-02-17

Applicant: 电子科技大学

Inventor： 于永斌 ,  唐倩 ,  彭辰辉 ,  陆瑞军 ,  买峰 ,  汤亦凡 ,  戚敏惠 ,  邓权芯 ,  毛宇涵

IPC: G06V10/774 ,  G06V20/17 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明提供了一种基于神经网络的油气管道标志物识别方法，该方法包括步骤：构建模型，获取训练集、验证集和测试集，经过训练得到最优模型，采用测试集进行测试，得到检测结果并计算检测精度。本发明使用参数少的Mobilenet作为基础网络，在多尺度特征映射上直接回归的SSD算法作为目标检测算法，实现了多尺度的目标检测，且检测模型小、检测速度快，使检测模型部署在移动端，对油气管道的标志物进行实时检测；并通过CBAM注意力机制从全局和局部范围突出标志物的显著特征，获得更好的检测效果；同时注意力机制嵌入在基础网络的每层后面，可以从第一层逐层增强特征表达能力，有效剔除干扰信息，提高检测精度。