公开(公告)号：CN108009591A

公开(公告)日：2018-05-08

申请号：CN201711341384.3

申请日：2017-12-14

Applicant: 西南交通大学

Inventor： 徐可佳 ,  张军磊 ,  张家玮 ,  徐剑锋 ,  方岩 ,  韩峰 ,  曾明

IPC: G06K9/62 ,  G06N3/04

Abstract: 本发明公开了一种基于深度学习的接触网关键部件识别方法，包括主要步骤有：(1)目标图像采集；(2)图像数据增强；(3)图像分层识别；(4)关键部件及部件特征识别；所述步骤(3)包括(3a)图像区域识别和(3e)关键部件识别网络模型训练两个步骤。针对接触网图像集的特点，本发明采用了多种数据增强、分层次识别和错误集微调等方法，主要有以下优点：提高对小部件的识别率；减少了计算上的损耗；减少标注量，提高标注效率；提高了网络的泛化能力；显著提高接触网图像网络识别率，建立的模型在不同线路之间可方便转化，当模型应用于新线路时，可以仅进行针对性的微调，节省了大量的设计、标注、训练工作，方便人工、自动检测工作。

公开(公告)号：CN108009591B

公开(公告)日：2021-02-09

申请号：CN201711341384.3

申请日：2017-12-14

Applicant: 西南交通大学

Inventor： 徐可佳 ,  张军磊 ,  张家玮 ,  徐剑锋 ,  方岩 ,  韩峰 ,  曾明

IPC: G06K9/62 ,  G06N3/04

Abstract: 本发明公开了一种基于深度学习的接触网关键部件识别方法，包括主要步骤有：(1)目标图像采集；(2)图像数据增强；(3)图像分层识别；(4)关键部件及部件特征识别；所述步骤(3)包括(3a)图像区域识别和(3e)关键部件识别网络模型训练两个步骤。针对接触网图像集的特点，本发明采用了多种数据增强、分层次识别和错误集微调等方法，主要有以下优点：提高对小部件的识别率；减少了计算上的损耗；减少标注量，提高标注效率；提高了网络的泛化能力；显著提高接触网图像网络识别率，建立的模型在不同线路之间可方便转化，当模型应用于新线路时，可以仅进行针对性的微调，节省了大量的设计、标注、训练工作，方便人工、自动检测工作。