公开(公告)号：CN113011525B

公开(公告)日：2023-09-19

申请号：CN202110425910.4

申请日：2021-04-20

Applicant: 上海应用技术大学

Inventor： 李文举 ,  陈慧玲 ,  何茂贤 ,  张耀星

IPC: G06V10/26 ,  G06V10/40 ,  G06V10/764 ,  G06V10/82 ,  G06N3/048 ,  G06N3/045 ,  G06N3/088

Abstract: 本发明公开了一种基于依赖性解码的轨道板裂缝语义分割模型，包括步骤S1：现场采集轨道板裂缝图像；步骤S2：对上述采集得到的图像制度语义分割标签，将所得的裂缝图像及其对应的标签划分为训练集和测试集；步骤S3：对划分为训练集的裂缝图像标签置于受限波兹曼机中，高维映射到低维，并利用其特有的重构机制，学习和获取其低维重构至高维的映射参数；步骤S4：构建轨道板语义分割模型，并将训练集轨道板图像归一化后迭代式输入到该模型中，该语义分割模型对其进行特征提取；步骤S5：将步骤S4中提取得到的特征图送入到受限波兹曼机中的隐藏层，使用重构参数将其恢复至原始大小，并进行像素级的预测。

公开(公告)号：CN112053354B

公开(公告)日：2024-01-30

申请号：CN202010970800.1

申请日：2020-09-15

Applicant: 上海应用技术大学

Inventor： 李文举 ,  何茂贤 ,  张耀星 ,  陈慧玲

IPC: G06T7/00 ,  G06V10/764 ,  G06V10/82 ,  G06V10/774

Abstract: 本申请提供了一种轨道板裂缝检测方法，所述方法包括：S1：采集轨道板裂缝图片作为样本，非裂缝图像作为负样本；S2：对采集到的所述图片制定标签，划分为训练集和测试集；S3：对所述训练集的图片进行标准化处理，并送入神经网络中，迭代式进行特征提取，得到卷积特征图；S4：对得到的所述卷积特征图进行分组，训练与分组相同数量的弱分类器，根据对应特征向量进行预测，再汇聚所有分类器对当前样本的置信度并交由一个较强的分类器决策；S5：对所述测试集进行归一化操作，送入神经网络中，模拟现实预测结果，采用按统计量，执行硬投票分类。

公开(公告)号：CN112861932B

公开(公告)日：2024-02-02

申请号：CN202110083877.1

申请日：2021-01-21

Applicant: 上海应用技术大学

Inventor： 李文举 ,  张耀星 ,  何茂贤 ,  陈慧玲

IPC: G06V10/774 ,  G06V10/762 ,  G06V10/82 ,  G06N3/0464 ,  G06T7/00 ,  G06T7/13

Abstract: 本发明提供了一种轨道板裂缝检测方法，本发明的目的在于构建一个模型用以识别出轨道板图像中的裂缝，本发明在利用卷积神经网络提取裂缝特征的时候，为了识别夜晚拍摄的裂缝图片和复杂背景纹理的图片，在训练集中加入了夜晚拍摄的具有复杂背景纹理的图片。并且，为了平衡样本，还加入了夜晚拍摄的具有简单背景纹理的图片，便于模型学习。

公开(公告)号：CN113011525A

公开(公告)日：2021-06-22

申请号：CN202110425910.4

申请日：2021-04-20

Applicant: 上海应用技术大学

Inventor： 李文举 ,  陈慧玲 ,  何茂贤 ,  张耀星

IPC: G06K9/62 ,  G06K9/46 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于依赖性解码的轨道板裂缝语义分割模型，包括步骤S1：现场采集轨道板裂缝图像；步骤S2：对上述采集得到的图像制度语义分割标签，将所得的裂缝图像及其对应的标签划分为训练集和测试集；步骤S3：对划分为训练集的裂缝图像标签置于受限波兹曼机中，高维映射到低维，并利用其特有的重构机制，学习和获取其低维重构至高维的映射参数；步骤S4：构建轨道板语义分割模型，并将训练集轨道板图像归一化后迭代式输入到该模型中，该语义分割模型对其进行特征提取；步骤S5：将步骤S4中提取得到的特征图送入到受限波兹曼机中的隐藏层，使用重构参数将其恢复至原始大小，并进行像素级的预测。

公开(公告)号：CN112861932A

公开(公告)日：2021-05-28

申请号：CN202110083877.1

申请日：2021-01-21

Applicant: 上海应用技术大学

Inventor： 李文举 ,  张耀星 ,  何茂贤 ,  陈慧玲

IPC: G06K9/62 ,  G06N3/04 ,  G06T7/00 ,  G06T7/13

Abstract: 本发明提供了一种轨道板裂缝检测方法，本发明的目的在于构建一个模型用以识别出轨道板图像中的裂缝，本发明在利用卷积神经网络提取裂缝特征的时候，为了识别夜晚拍摄的裂缝图片和复杂背景纹理的图片，在训练集中加入了夜晚拍摄的具有复杂背景纹理的图片。并且，为了平衡样本，还加入了夜晚拍摄的具有简单背景纹理的图片，便于模型学习。

公开(公告)号：CN112053354A

公开(公告)日：2020-12-08

申请号：CN202010970800.1

申请日：2020-09-15

Applicant: 上海应用技术大学

Inventor： 李文举 ,  何茂贤 ,  张耀星 ,  陈慧玲

IPC: G06T7/00 ,  G06K9/62

Abstract: 本申请提供了一种轨道板裂缝检测方法，所述方法包括：S1：采集轨道板裂缝图片作为样本，非裂缝图像作为负样本；S2：对采集到的所述图片制定标签，划分为训练集和测试集；S3：对所述训练集的图片进行标准化处理，并送入神经网络中，迭代式进行特征提取，得到卷积特征图；S4：对得到的所述卷积特征图进行分组，训练与分组相同数量的弱分类器，根据对应特征向量进行预测，再汇聚所有分类器对当前样本的置信度并交由一个较强的分类器决策；S5：对所述测试集进行归一化操作，送入神经网络中，模拟现实预测结果，采用按统计量，执行硬投票分类。