【技术实现步骤摘要】
本专利技术属于图像识别领域，更具体的说涉及基于无人机图像的高铁周边环境潜在安全隐患检测模型。
技术介绍
1、传统图像处理下的隐患检测：传统图像处理技术注重于处理图片本身，并非进行目标检测和语义分割的前沿技术，并且铁路周边环境具有复杂性和多样性，传统图像处理技术无法适用于铁路方面的隐患检测，无法自动识别出铁路周边环境中的异物，需要人工识别处理后的图片中是否含有隐患。
2、cnn方法：大多数现有的基于cnn的方法都是针对特定的目标检测任务或者语义分割任务而定制的，致使现有的cnn方法很难表示铁路沿线广阔的周围环境中的多尺度和最小的潜在安全隐患物体的特征。并且现有的cnn方法大多只能进行目标检测或者语义分割，对全局的隐患物体全部进行目标检测使得它们难以通过对比潜在隐患物体与铁路之间的距离来确定隐患等级，对全局的隐患物体和铁路进行分割则会导致不必要的算力开销、增加模型推理时间。
3、传统数据增强技术：在随机选择四张图片进行拼接时，由于拼接点是在一定纸面范围内随机选取，将会导致选取的某张图片内没有隐患物体或者在压平步骤时将...
【技术保护点】
1.基于无人机图像的高铁周边环境潜在安全隐患检测模型，其特征在于：所述的模型创建了同时进行铁路分割与隐患检测的深度学习模型，提出了基于带状池化的分割方法和目标引导的图片剪拼方法；包括以下步骤：
2.根据权利要求1所述的基于无人机图像的高铁周边环境潜在安全隐患检测模型，其特征在于：所述的步骤1具体步骤如下：
3.根据权利要求1所述的基于无人机图像的高铁周边环境潜在安全隐患检测模型，其特征在于：所述的步骤2具体过程如下：
4.根据权利要求1所述的基于无人机图像的高铁周边环境潜在安全隐患检测模型，其特征在于：所述的步骤3特征传入分割分支后
【技术特征摘要】
1.基于无人机图像的高铁周边环境潜在安全隐患检测模型，其特征在于：所述的模型创建了同时进行铁路分割与隐患检测的深度学习模型，提出了基于带状池化的分割方法和目标引导的图片剪拼方法；包括以下步骤：
2.根据权利要求1所述的基于无人机图像的高铁周边环境潜在安全隐患检测模型，其特征在于：所述的步骤1具体步骤如下：
3.根据权利要求1所述的基于无人机图...
【专利技术属性】
技术研发人员：吴云鹏，赵哲达，陈佳琪，郭凤香，龙思慧，王冯媛，徐涛，杨雪，杨通，何静，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。