[發(fā)明專利]一種高鐵接觸網(wǎng)支撐裝置零部件識別檢測方法

有效

• 申請?zhí)枺?/td>: 201710036589.4
• 申請日: 2017-01-18
• 公開（公告）號: CN106919978B
• 公開（公告）日: 2020-05-15
• 發(fā)明（設(shè)計）人: 劉志剛;陳雋文;劉文強;鐘俊平;韓志偉
• 申請（專利權(quán)）人: 西南交通大學(xué)
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08
• 代理公司: 成都信博專利代理有限責(zé)任公司 51200
• 代理人: 劉凱

1.一種高鐵接觸網(wǎng)支撐裝置零部件識別檢測方法，其特征在于，包括以下步驟：

步驟A：建立高鐵接觸網(wǎng)支撐裝置圖像的訓(xùn)練樣本庫，所述訓(xùn)練樣本庫包括在圖像中標記出的原始包圍框中各零部件所在的坐標信息，及其所屬類別；

步驟B：搭建基于Faster-RCNN算法的深度卷積神經(jīng)網(wǎng)絡(luò)；

步驟C：將上述訓(xùn)練樣本庫中的訓(xùn)練樣本輸入搭建好的Faster-RCNN網(wǎng)絡(luò)，采用多任務(wù)損失函數(shù)，通過計算目標分類和目標框的損失，完成模型的訓(xùn)練；

步驟D：將待檢測圖像輸入訓(xùn)練好的模型中，得到高鐵接觸網(wǎng)支撐裝置零部件的識別檢測結(jié)果；

所述步驟B中深度卷積神經(jīng)網(wǎng)絡(luò)采用ZF模型，有M個可共享的卷積層，搭建的具體步驟包括：

B1：搭建候選區(qū)域網(wǎng)絡(luò)：在第M個卷積層進行候選區(qū)域的提取，將第M個卷積層的特征圖作為候選區(qū)域網(wǎng)絡(luò)的輸入，在該卷積層的特征圖映射上滑動小網(wǎng)絡(luò)，映射到低維向量上，每個滑動窗口產(chǎn)生m個anchor，在卷積層特征圖中找到對應(yīng)的位置，作為候選區(qū)域網(wǎng)絡(luò)；

B2：提取ROI區(qū)域：采用候選區(qū)域網(wǎng)絡(luò)的輸出層作為ROI生成網(wǎng)絡(luò)的輸入，縮放輸入候選區(qū)域的尺度得到圖像金字塔，對于每個尺度的每個ROI求取映射關(guān)系，在第M個卷積層的特征圖中裁剪出對應(yīng)塊，再用單層的ROI下采樣層，歸一化候選區(qū)域的大小并輸出；

B3：CNN分類識別：將得到的ROI輸入CNN分類網(wǎng)絡(luò)，經(jīng)過兩個全連接層和矯正激活層，并通過丟棄部分網(wǎng)絡(luò)參數(shù)的方法消除過擬合，得到最終的候選區(qū)域的目標分類結(jié)果；

所述步驟C中的訓(xùn)練過程如下：

C1：根據(jù)訓(xùn)練樣本庫中的樣本信息給每一個anchor分配一個通過正負表示其與樣本庫中所標記的原始包圍框重疊度的標簽；

C2：根據(jù)下式計算多任務(wù)損失值：

其中，P_i是第i個anchor為檢測目標的預(yù)測概率，如果anchor為正，標簽為1，反之，為0；t_i是預(yù)測目標所在位置的一個向量，該向量由四個參數(shù)坐標(x,y,w,h)組成，表示預(yù)測目標所在的包圍框，為正anchor對應(yīng)的訓(xùn)練樣本原始包圍框的坐標向量；N_cls表示一次訓(xùn)練中樣本的數(shù)量，N_reg表示訓(xùn)練過程中產(chǎn)生的anchor位置的數(shù)量；L_cls為分類損失，L_reg為回歸損失，λ表示兩個損失函數(shù)之間的權(quán)值；

分類損失L_cls是兩個類別：“目標”或“非目標”的對數(shù)損失，即：

回歸損失L_reg為：

R為損失函數(shù)

C3：根據(jù)上述多任務(wù)損失值，采用反向傳播和隨機梯度下降的方法實現(xiàn)端對端輪流訓(xùn)練；所述端對端輪流訓(xùn)練的具體步驟如下：

C31：給每一個使用在ImageNet上預(yù)訓(xùn)練的模型初始化候選區(qū)域網(wǎng)絡(luò)參數(shù)，微調(diào)候選區(qū)域網(wǎng)絡(luò)；

C32：通過候選區(qū)域網(wǎng)絡(luò)提取候選區(qū)域，訓(xùn)練ROI生成和ROI分類網(wǎng)絡(luò)，并用ImageNet上預(yù)訓(xùn)練的模型初始化該網(wǎng)絡(luò)參數(shù)；

C33：使用C32得到的ROI生成和ROI分類網(wǎng)絡(luò)，重新初始化候選區(qū)域，固定卷積層進行微調(diào)，微調(diào)候選區(qū)域網(wǎng)絡(luò)；

C34：固定C32中ROI生成和ROI分類網(wǎng)絡(luò)的卷積層，通過C33中產(chǎn)生的候選區(qū)域網(wǎng)絡(luò)提取的候選區(qū)域?qū)φ麄€網(wǎng)絡(luò)進行微調(diào)。