公开(公告)号：CN116524451A

公开(公告)日：2023-08-01

申请号：CN202210061064.7

申请日：2022-01-19

Applicant: 中国矿业大学(北京)

Inventor： 叶涛 ,  赵宗扬 ,  郑志康 ,  陈浩然

IPC: G06V20/58 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于深度学习和目标检测结合的轨道障碍物检测方法，涉及计算机视觉领域。在构建了真实场景下的轨道交通数据库后，首先对YOLOv3的主干特征提取网络进行修改，使用ResneXt50替换原Resnet50网络，使得模型的特征提取能力更强；然后采用自适应特征融合优化方法，更为精准地检测不同尺度的目标，在保证算法实时性的同时大幅度提升算法检测性能；最后在各个检测端使用注意力机制整合不同的通道信息，并采用CIOU损失函数更为精准的回归预测框，使得检测精度进一步提高。该方法在保证算法检测速度的同时，实现了对铁路障碍物尤其是小目标进行精准高效地检测，以确保行车安全。

公开(公告)号：CN115705700A

公开(公告)日：2023-02-17

申请号：CN202110899050.8

申请日：2021-08-04

Applicant: 中国矿业大学(北京)

Inventor： 叶涛 ,  张俊 ,  赵宗扬 ,  秦文阳

IPC: G06V20/13 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明公开了一种采用深度学习方法，基于YOLOV3‑tiny卷积神经网络的算法用于无人机目标检测，涉及计算机视觉领域。本发明利用深度可分离卷积来对标准卷积进行了替换，使得模型更加的轻量化；在原始模型网络中引入了注意力机制，以此提高目标检测的效率以及在处理多尺度目标时的检测精度。该改进方法有效提升了原网络的检测精度与检测速度，在面对多尺度目标，尤其是小目标的检测时取得了良好的检测效果。