公开(公告)号：CN118840678A

公开(公告)日：2024-10-25

申请号：CN202410867064.5

申请日：2024-07-01

Applicant: 湖南工业大学

Inventor： 翁艳彬 ,  谢佩欣 ,  向辉 ,  陈侠虎 ,  贾林 ,  孟子瑞

IPC: G06V20/17 ,  G06V20/10 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明为基于YOLOv8的动态结构适应性的铁路轨道提取算法，涉及深度学习图像处理领域。在航拍图中，由于部分铁路岔口具有复杂的几何拓扑结构，障碍物遮挡等问题使得铁路的提取任务更加困难。针对以上问题，提出了一种基于YOLOv8的动态结构适应性的铁路轨道提取算法(DSA‑Yolov8)用于铁路提取。首先，对Yolov8主干网络部分的C2f融入了拓扑几何约束细小结构DySnakeConv从而更好地适应各种复杂几何结构的铁路岔口。其次，颈部添加了RCSOSA模块用于减少样本通道数量，关注空间维度特征。最后，添加了带有动态非单调的聚焦机制Wise‑IoU损失函数强化边界框损失的拟合能力，提高模型鲁棒性。该方法在铁路数据集和Deepglobe道路数据集上都展现了良好的提取效果。

公开(公告)号：CN119418230A

公开(公告)日：2025-02-11

申请号：CN202411430671.1

申请日：2024-10-14

Applicant: 湖南工业大学

Inventor： 翁艳彬 ,  谢佩欣 ,  于惠钧 ,  陈侠虎 ,  贾林 ,  向辉

IPC: G06V20/17 ,  G06V10/82 ,  G06V10/10 ,  G06V10/26 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/09

Abstract: 本发明公开了一种基于改进RT‑DETR网络的铁路信号机动态调整实时检测方法，涉及计算机视觉技术领域，包括如下步骤：1、无人机采集铁路信号机数据集并预处理；2、构建铁路信号机检测模型，以RT‑DETR网络为基础网络，RT‑DETR网络包括ResNet50主干网络和Efficient Hybrid Encode高效混合编码器，将主干网络ResNet50中的部分3×3卷积替换成DQSAT(DQSATtention)动态采样点的可变形动态量化采样注意机制；将高效混合编码器中的上采样算子替换为动态分组上采样器DyGSample；采用基于RIoU的边界框回归损失函数LRDIoU进行边界框回归调整；3、选择最优权重对原始航拍信号机图像数据集进行预测，将待检测的信号机数据集作为输入输出检测结果；4、应用完成训练的铁路信号机检测模型，并进行消融实验分析；5、对检测结果进行评价指标的对比、损失函数可视化分析；作为超快速、高实时和高精度的轻量级信号机检测模型，改进的实时动态调整RT‑DETR模型在铁路信号机提取中的优越性能和有效性。

公开(公告)号：CN118691996A

公开(公告)日：2024-09-24

申请号：CN202410892295.1

申请日：2024-07-04

Applicant: 湖南工业大学

Inventor： 翁艳彬 ,  向辉 ,  陈侠虎 ,  贾林 ,  彭成 ,  谢佩欣 ,  曾伟 ,  孟子瑞

IPC: G06V20/17 ,  G06V10/44 ,  G06V10/774 ,  G06V10/776 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084

Abstract: 一种基于多尺度残差融合编解码结构网络(MRC‑Net)的无人机航拍影像铁路提取方法，涉及深度学习领域，解决现有技术中采用像素级语义分割铁路精度低的问题，本发明提出了基于多尺度残差编解码结构的网络，利用该网络在特征提取的优势，提高了图像的分割质量。在编码器部分，设计了一个多尺度特征提取器，在编解码器之间设计了相邻特征层融合模块，减小了不同层特征间的语义差异。引入边缘检测算子，增强边缘信息，并引入交叉熵损失对不同尺度结果进行预测，提高对不同尺度信息的感知能力。本发明基于多尺度残差融合编解码结构网络(MRC‑Net)的无人机航拍铁路提取方法，集成了多尺度特征提取器和多尺度特征融合模块的设计，提高了铁路提取精度。