[发明专利]基于深度学习的路面遗撒识别方法在审
| 申请号： | 201810592958.2 | 申请日： | 2018-06-11 |
| 公开（公告）号： | CN109033947A | 公开（公告）日： | 2018-12-18 |
| 发明（设计）人： | 刘佳辰;魏旭;李峰;叶紫欣;李建康;汤子湘;周思齐;王瑶;伍翌嘉 | 申请（专利权）人： | 北京航空航天大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 北京航智知识产权代理事务所(普通合伙) 11668 | 代理人： | 程连贞;陈磊 |
| 地址： | 100191*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的路面遗撒识别方法，包括以下步骤：步骤一：采集路面遗撒数据，构造自制数据集；步骤二：通过减小卷积核大小和增加不同特征层之间的连接，建立改进的YOLO模型；步骤三：使用步骤一中构造的自制数据集训练步骤二中建立的改进的YOLO模型；步骤四：将经过训练的改进YOLO模型输入待测图片，计算求得目标的类别概率和包围框，以识别路面遗撒。本发明的路面遗撒识别方法，使用更适合于道路巡检的优化后的YOLO模型，进行路面遗撒识别，达到了实时识别，95％以上准确率的良好效果。 | ||
| 搜索关键词： | 数据集 自制 改进 道路巡检 类别概率 模型输入 实时识别 训练步骤 包围框 卷积核 特征层 准确率 减小 采集 学习 优化 图片 | ||
【主权项】：
1.一种基于深度学习的路面遗撒识别方法，其特征在于，包括以下步骤：步骤一：采集路面遗撒数据，构造自制数据集；步骤二：通过减小卷积核大小和增加不同特征层之间的连接，建立改进的YOLO模型；步骤三：使用步骤一中构造的自制数据集训练步骤二中建立的改进的YOLO模型；步骤四：将经过训练的改进YOLO模型输入待测图片，计算求得目标的类别概率和包围框，以识别路面遗撒。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京航空航天大学，未经北京航空航天大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810592958.2/，转载请声明来源钻瓜专利网。
