[發明專利]一種基于CPSNet與yolov3相結合的地鐵安檢方法

在審

• 申請號: 202011435160.0
• 申請日: 2020-12-09
• 公開（公告）號: CN112507873A
• 公開（公告）日: 2021-03-16
• 發明（設計）人: 陳陽;柏楊;張柳
• 申請（專利權）人: 東南大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 南京眾聯專利代理有限公司 32206
• 代理人: 杜靜靜

1.一種基于CPSNet與yolov3相結合的地鐵安檢圖像檢測方法，其特征在于，具體步驟如下：

步驟1，選取yolov3作為主網絡，使用CPSNet代替原yolov3的darknet53的特征提取網絡，組合起來搭建新的神經網絡；以csresnext作為特征提取網絡提取更完全的featuremap，作為檢測網絡的輸入；

步驟2，采用自采集圖像作為訓練樣本，對步驟1中搭建的新的神經網絡進行訓練；

步驟3，采用步驟2中完成訓練的新的神經網絡進行目標檢測。

2.根據權利要求1所述的一種基于CPSNet與yolov3相結合的地鐵安檢圖像檢測方法，其特征在于，CPSNet網絡使用預訓練的csresnext-panet-spp模型來進行初始特征圖的生成。

3.根據權利要求1所述的一種基于CPSNet與yolov3相結合的地鐵安檢圖像檢測方法，其特征在于，檢測網絡部分使用panet和sppnet融合之后的特征圖，sppnet內部采用不同大小的卷積核和步長實現不同感受野特征輸出，然后concat即可,低級別的特征很有利于定位，雖然FPN中高級別特征也間接融合了低級別l的特征，但是信息流動路線太長其中會經過超多卷積操作，PANet在FPN的高級別又加了低級別的特征，最底層的特征流動到高層特征只需要經過很少的層，主要目的是加速信息融合,縮短底層特征和高層特征之間的信息路徑。

4.根據權利要求1與權利要求3所述的一種基于CPSNet與yolov3相結合的特征檢測算法，其特征在于，步驟2中的訓練樣本為若干自采集圖像及其對應的檢測結果。

5.根據權利要求1與權利要求3所述的一種基于CPSNet與yolov3相結合的特征檢測算法，其特征在于，yolov3的檢測部分使用特征金字塔結構和panet模塊和spp模塊，spp模塊可以實現不同感受野特征輸出，panet將低層特征融入高層特征，融合多尺度特征，達到更好的檢測效果。