#本文僅代表作者觀(guān)點(diǎn),不代表IPRdaily立場(chǎng)#
“格靈深瞳公開(kāi)的基于深度學(xué)習(xí)的高鐵檢修、監(jiān)測(cè)方案,基于深度學(xué)習(xí)的無(wú)監(jiān)督異常檢測(cè)的方法,只需要提供正常的數(shù)據(jù)進(jìn)行訓(xùn)練。利用訓(xùn)練好的無(wú)監(jiān)督學(xué)習(xí)的歸一化流異常檢測(cè)模型,即可得到異常物體在高鐵檢修圖像上的位置,以解決傳統(tǒng)的高鐵檢修中由于異常數(shù)據(jù)獲取困難,導(dǎo)致訓(xùn)練的高鐵檢修模型識(shí)別異常準(zhǔn)確性較低的技術(shù)問(wèn)題?!?/strong>
近年來(lái),人工智能在全球范圍內(nèi)迅速落地應(yīng)用,廣泛地應(yīng)用到了我們生活的方方面面。深度學(xué)習(xí)的異常檢測(cè)技術(shù):主要用于檢測(cè)異常物體在2D圖片上的位置,深度學(xué)習(xí)無(wú)監(jiān)督學(xué)習(xí)方法如PatchCore、PaDiM和DifferNet等。深度學(xué)習(xí)監(jiān)督學(xué)習(xí)目標(biāo)檢測(cè)方法如Faster R?CNN、Yolo v5以及DETR等。
現(xiàn)有的高鐵檢修大部分依賴(lài)于人工對(duì)高鐵是否存在異常的物體進(jìn)行異常檢測(cè),少部分情況基于深度學(xué)習(xí)的監(jiān)督學(xué)習(xí)的檢測(cè)方法依賴(lài)實(shí)際場(chǎng)景人工模擬異常。并且需要對(duì)采集的異常數(shù)據(jù)進(jìn)行人工標(biāo)注,然后使用監(jiān)督學(xué)習(xí)的目標(biāo)檢測(cè)方法進(jìn)行異常檢測(cè)。
傳統(tǒng)采用人工檢修的方式,不僅檢修人員的工作環(huán)境惡劣,而且成本高、效率低?;谏疃葘W(xué)習(xí)的檢修方式,雖然能夠在一定程度上實(shí)現(xiàn)較好的效果,但是需要人工對(duì)采集數(shù)據(jù)進(jìn)行標(biāo)注,標(biāo)注成本大,而且無(wú)法模擬出全部的異常物體類(lèi)型,可能會(huì)導(dǎo)致無(wú)法成功檢測(cè)的情況,從而造成高鐵運(yùn)行的重大事故。
為此,格靈深瞳在2022年8月29日申請(qǐng)了一項(xiàng)名為“一種用于高鐵檢修的監(jiān)測(cè)方法以及裝置”的發(fā)明專(zhuān)利(申請(qǐng)?zhí)枺?02211038266.6),申請(qǐng)人為北京格靈深瞳信息技術(shù)股份有限公司。
根據(jù)該專(zhuān)利目前公開(kāi)的相關(guān)資料,讓我們一起來(lái)看看這項(xiàng)技術(shù)方案吧。
如上圖,為該專(zhuān)利中公開(kāi)的用于高鐵檢修監(jiān)測(cè)方法的流程圖。首先,獲取采集高鐵目標(biāo)位置的目標(biāo)圖像。其次,基于目標(biāo)圖像利用深度卷積神經(jīng)網(wǎng)絡(luò)從樣本圖像中提取特征圖。最后,將特征圖輸入到目標(biāo)檢測(cè)模型中,確定目標(biāo)圖像是否存在異常。其中,目標(biāo)檢測(cè)模型是基于未出現(xiàn)異常的樣本圖像進(jìn)行訓(xùn)練,直至樣本圖像的分布擬合到標(biāo)準(zhǔn)正態(tài)分布當(dāng)中,則結(jié)束檢測(cè)模型的訓(xùn)練,得到目標(biāo)檢測(cè)模型。
該模型中使用一維歸一化流模型進(jìn)行異常檢測(cè),歸一化流模型的作用機(jī)制為只對(duì)正常數(shù)據(jù)進(jìn)行訓(xùn)練,可以將正常圖像的分布擬合到標(biāo)準(zhǔn)正態(tài)分布當(dāng)中。在進(jìn)行測(cè)試時(shí),對(duì)于圖像中異常的區(qū)域,則會(huì)被模型擬合到另一個(gè)分布。因此只需要設(shè)置一個(gè)經(jīng)驗(yàn)閾值,就可以將正常與異常區(qū)域分開(kāi)。
如上圖,為上述基于流模型的高鐵檢修無(wú)監(jiān)督異常檢測(cè)方法的結(jié)構(gòu)框圖。首先,機(jī)器人調(diào)整攝像頭和光源,采集目標(biāo)設(shè)備的清晰圖像數(shù)據(jù),并進(jìn)行圖像增強(qiáng)處理。其次,利用深度卷積神經(jīng)網(wǎng)絡(luò)Wide?Resnet50來(lái)進(jìn)行圖像特征提取。Wide?Resnet50作為一個(gè)特征提取網(wǎng)絡(luò),相比于傳統(tǒng)的ResNet網(wǎng)絡(luò),該網(wǎng)絡(luò)使用一種較淺的,并在每個(gè)單層上更寬的(維度)模型來(lái)提升模型性能。
如上圖所示,為特征提取模塊結(jié)構(gòu)示意圖。特征提取模塊wide?Resenet 50圖像金字塔,每一層的數(shù)據(jù)將輸入至歸一化流模型。將圖像增強(qiáng)后的圖像線(xiàn)性下采樣到長(zhǎng)寬相同的(1024,1024)的尺寸,然后經(jīng)過(guò)Wide?Resnet 50進(jìn)行特征提取。采用圖像金字塔的方式,取通過(guò)卷積神經(jīng)網(wǎng)絡(luò)下采樣得到8倍、16倍、32倍的特征圖,分別輸入到無(wú)監(jiān)督學(xué)習(xí)異常檢測(cè)流模型模塊中進(jìn)行訓(xùn)練和測(cè)試。
接著,使用一維歸一化流模型進(jìn)行異常檢測(cè),歸一化流模型的作用機(jī)制為只對(duì)正常數(shù)據(jù)進(jìn)行訓(xùn)練,可以將正常圖像的分布擬合到標(biāo)準(zhǔn)正態(tài)分布當(dāng)中。并利用多尺度聚合模塊,將得分在每一個(gè)尺度下的異常檢測(cè)結(jié)果再次歸一化到[0,1]之間,對(duì)其進(jìn)行加和。
此時(shí)得到的新的異常檢測(cè)得分圖每個(gè)位置異常檢測(cè)結(jié)果為[0,3]之間的得分,然后取最大值,并減去每一個(gè)位置的異常得分,得到不同測(cè)試圖像的相對(duì)異常檢測(cè)得分作為最終的異常檢測(cè)結(jié)果。
如上圖,為上述用于高鐵檢修的監(jiān)測(cè)裝置圖。該裝置包括:獲取單元71、提取單元73和第一確定單元75。獲取單元用于獲取采集高鐵目標(biāo)位置的目標(biāo)圖像。提取單元用于基于目標(biāo)圖像利用深度卷積神經(jīng)網(wǎng)絡(luò)從樣本圖像中提取特征圖。第一確定單元用于將特征圖輸入到目標(biāo)檢測(cè)模型中,確定目標(biāo)圖像是否存在異常。
以上就是格靈深瞳公開(kāi)的基于深度學(xué)習(xí)的高鐵檢修、監(jiān)測(cè)方案,該方案基于深度學(xué)習(xí)的無(wú)監(jiān)督異常檢測(cè)的方法,只需要提供正常的數(shù)據(jù)進(jìn)行訓(xùn)練。利用訓(xùn)練好的無(wú)監(jiān)督學(xué)習(xí)的歸一化流異常檢測(cè)模型,即可得到異常物體在高鐵檢修圖像上的位置,以解決傳統(tǒng)的高鐵檢修中由于異常數(shù)據(jù)獲取困難,導(dǎo)致訓(xùn)練的高鐵檢修模型識(shí)別異常準(zhǔn)確性較低的技術(shù)問(wèn)題。
(原標(biāo)題:【專(zhuān)利解密】人工智能落地鐵路行業(yè) 格靈深瞳公開(kāi)相關(guān)高鐵檢修、監(jiān)測(cè)方案)
來(lái)源:天天IP
作者:愛(ài)集微IP
編輯:IPRdaily趙甄 校對(duì):IPRdaily縱橫君
注:原文鏈接:人工智能落地鐵路行業(yè),格靈深瞳公開(kāi)相關(guān)高鐵檢修、監(jiān)測(cè)方案(點(diǎn)擊標(biāo)題查看原文)
「關(guān)于IPRdaily」
IPRdaily是全球領(lǐng)先的知識(shí)產(chǎn)權(quán)綜合信息服務(wù)提供商,致力于連接全球知識(shí)產(chǎn)權(quán)與科技創(chuàng)新人才。匯聚了來(lái)自于中國(guó)、美國(guó)、歐洲、俄羅斯、以色列、澳大利亞、新加坡、日本、韓國(guó)等15個(gè)國(guó)家和地區(qū)的高科技公司及成長(zhǎng)型科技企業(yè)的管理者及科技研發(fā)或知識(shí)產(chǎn)權(quán)負(fù)責(zé)人,還有來(lái)自政府、律師及代理事務(wù)所、研發(fā)或服務(wù)機(jī)構(gòu)的全球近100萬(wàn)用戶(hù)(國(guó)內(nèi)70余萬(wàn)+海外近30萬(wàn)),2019年全年全網(wǎng)頁(yè)面瀏覽量已經(jīng)突破過(guò)億次傳播。
(英文官網(wǎng):iprdaily.com 中文官網(wǎng):iprdaily.cn)
本文來(lái)自天天IP并經(jīng)IPRdaily.cn中文網(wǎng)編輯。轉(zhuǎn)載此文章須經(jīng)權(quán)利人同意,并附上出處與作者信息。文章不代表IPRdaily.cn立場(chǎng),如若轉(zhuǎn)載,請(qǐng)注明出處:“http://jupyterflow.com”
#晨報(bào)#因銷(xiāo)售與“小鵬汽車(chē)”商標(biāo)類(lèi)似的低速電動(dòng)車(chē),小彭汽車(chē)道歉;警方破獲特大制售假冒商標(biāo)標(biāo)識(shí)案,涉案金額超1.5億元
廣州舉辦高質(zhì)量發(fā)展論壇,探討企業(yè)知識(shí)產(chǎn)權(quán)管理之道
文章不錯(cuò),犒勞下辛苦的作者吧