一种基于深度学习的接触网关键部件识别方法

注：上述费用仅包含专利权利转让费用，不包含专利年费或因年费未及时缴纳产生的滞纳金、恢复费。专利年费是专利权人依照专利法规定，自被授予专利权的当年开始，在专利权有效期内逐年应向专利局缴纳的费用。由于出售的专利类型、专利年限以及专利权人是否满足国家费用减缓的条件均会影响具体年费金额，需根据购买专利的实际情况进行缴纳。缴纳年费以及滞纳金、恢复费需单独和平台顾问确认且不属于下单后加价行为，故无法适用保障。

专利申请号：

CN201711341384.3

专利类型：

发明专利

技术分类：

G06K9/62(2006.01)I

专利有效期：

2037-12-14

友情提示：该资源未保障“真” “价”，付款前请核实资源真实性与价格。

在线咨询

增值服务：

副本费

微信扫码邀请顾问协助

该资源已获得保障和赔付：
退

转让不成功退款
猪八戒数字市场承诺此服务在数字市场交易中，如转让不成功，将全额退款
转让不成功退款
时

转让超期必赔
猪八戒数字市场承诺此服务在数字市场交易中，如验收资料后超一个工作日递交转让申请，赔付100元
转让超期必赔

该资源未获得保障和赔付：
真

资源不保真必赔
猪八戒数字市场承诺此服务在数字市场交易中，如资源已售或权利瑕疵，除全额退款以外，再赔付100元
资源不保真必赔
价

下单后加价必赔
猪八戒数字市场承诺此服务在数字市场交易中，如卖家额外加价，除全额退款以外，再赔付300元
下单后加价必赔

专利信息

专利名称：一种基于深度学习的接触网关键部件识别方法

商品编号：5756774

复制

申请日期：2017-12-14

公开/公告号：CN108009591B

授权公告日/公开日：2021-02-09

申请/专利权人：西南***学

发明/设计人：徐可***曾明

主分类号：G06K9/62(2006.01)I

IPC分类号：G06K9/62(2006.01)I;G06N3/04(2006.01)I

说明书摘要免费下载摘要

本发明公开了一种基于深度学习的接触网关键部件识别方法，包括主要步骤有：(1)目标图像采集；(2)图像数据增强；(3)图像分层识别；(4)关键部件及部件特征识别；所述步骤(3)包括(3a)图像区域识别和(3e)关键部件识别网络模型训练两个步骤。针对接触网图像集的特点，本发明采用了多种数据增强、分层次识别和错误集微调等方法，主要有以下优点：提高对小部件的识别率；减少了计算上的损耗；减少标注量，提高标注效率；提高了网络的泛化能力；显著提高接触网图像网络识别率，建立的模型在不同线路之间可方便转化，当模型应用于新线路时，可以仅进行针对性的微调，节省了大量的设计、标注、训练工作，方便人工、自动检测工作。

转让流程