一种基于深度学习卷积神经网络的轨道区域识别方法
公开
摘要
本发明提供了一种基于深度学习卷积神经网络的轨道区域识别方法。该方法包括：获取不同场景下含轨道区域的图像，组成轨道图像数据集；构建轨道区域识别网络模型，该轨道区域识别网络模型包括多个卷积层和上采样层，利用轨道图像数据集对轨道区域识别网络模型进行训练，得到训练好的轨道区域识别网络模型；使用训练好的轨道区域识别网络模型对待识别场景下的轨道区域进行识别，得到待识别场景下的轨道区域的识别结果。本发明方法在深度残差卷积神经网络可以更加有效地提取到图像特征，深层特征与浅层特征的融合使得提取的轨道边界更加清晰，轻量化模型的运行环境更加具有普适性，适用于不同场景和不同尺寸下的轨道区域场景图像。
基本信息
专利标题 ：
一种基于深度学习卷积神经网络的轨道区域识别方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114581861A
申请号 ：
CN202210205004.8
公开（公告）日 ：
2022-06-03
申请日 ：
2022-03-02
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
秦勇高阳曹志威李永玲寇淋淋楚柏青傅兵袁若岑白文飞
申请人 ：
北京交通大学
申请人地址 ：
北京市海淀区西直门外上园村3号
代理机构 ：
北京市商泰律师事务所
代理人 ：
黄晓军
优先权 ：
CN202210205004.8
主分类号 ：
G06V20/54
IPC分类号 ：
G06V20/54 G06V10/80 G06V10/82 G06V10/764 G06K9/62 G06N3/04 G06N3/08
法律状态
2022-06-03 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
