返回
顶部
我们已发送验证链接到您的邮箱,请查收并验证
没收到验证邮件?请确认邮箱是否正确或 重新发送邮件
确定
产业行业政策诉讼TOP100招聘湾区IP动态职场人物国际视野许可交易深度专题活动商标版权Oversea晨报董图产品公司审查员说法官说首席知识产权官G40领袖机构企业专利大洋洲律所

人工智能落地铁路行业,格灵深瞳公开相关高铁检修、监测方案

行业
纳暮2年前
人工智能落地铁路行业,格灵深瞳公开相关高铁检修、监测方案

#本文仅代表作者观点,不代表IPRdaily立场#


“格灵深瞳公开的基于深度学习的高铁检修、监测方案,基于深度学习的无监督异常检测的方法,只需要提供正常的数据进行训练。利用训练好的无监督学习的归一化流异常检测模型,即可得到异常物体在高铁检修图像上的位置,以解决传统的高铁检修中由于异常数据获取困难,导致训练的高铁检修模型识别异常准确性较低的技术问题。”


近年来,人工智能在全球范围内迅速落地应用,广泛地应用到了我们生活的方方面面。深度学习的异常检测技术:主要用于检测异常物体在2D图片上的位置,深度学习无监督学习方法如PatchCore、PaDiM和DifferNet等。深度学习监督学习目标检测方法如Faster R‑CNN、Yolo v5以及DETR等。


现有的高铁检修大部分依赖于人工对高铁是否存在异常的物体进行异常检测,少部分情况基于深度学习的监督学习的检测方法依赖实际场景人工模拟异常。并且需要对采集的异常数据进行人工标注,然后使用监督学习的目标检测方法进行异常检测。


传统采用人工检修的方式,不仅检修人员的工作环境恶劣,而且成本高、效率低。基于深度学习的检修方式,虽然能够在一定程度上实现较好的效果,但是需要人工对采集数据进行标注,标注成本大,而且无法模拟出全部的异常物体类型,可能会导致无法成功检测的情况,从而造成高铁运行的重大事故。


为此,格灵深瞳在2022年8月29日申请了一项名为“一种用于高铁检修的监测方法以及装置”的发明专利(申请号:202211038266.6),申请人为北京格灵深瞳信息技术股份有限公司。


根据该专利目前公开的相关资料,让我们一起来看看这项技术方案吧。


人工智能落地铁路行业,格灵深瞳公开相关高铁检修、监测方案


如上图,为该专利中公开的用于高铁检修监测方法的流程图。首先,获取采集高铁目标位置的目标图像。其次,基于目标图像利用深度卷积神经网络从样本图像中提取特征图。最后,将特征图输入到目标检测模型中,确定目标图像是否存在异常。其中,目标检测模型是基于未出现异常的样本图像进行训练,直至样本图像的分布拟合到标准正态分布当中,则结束检测模型的训练,得到目标检测模型。


该模型中使用一维归一化流模型进行异常检测,归一化流模型的作用机制为只对正常数据进行训练,可以将正常图像的分布拟合到标准正态分布当中。在进行测试时,对于图像中异常的区域,则会被模型拟合到另一个分布。因此只需要设置一个经验阈值,就可以将正常与异常区域分开。


人工智能落地铁路行业,格灵深瞳公开相关高铁检修、监测方案


如上图,为上述基于流模型的高铁检修无监督异常检测方法的结构框图。首先,机器人调整摄像头和光源,采集目标设备的清晰图像数据,并进行图像增强处理。其次,利用深度卷积神经网络Wide‑Resnet50来进行图像特征提取。Wide‑Resnet50作为一个特征提取网络,相比于传统的ResNet网络,该网络使用一种较浅的,并在每个单层上更宽的(维度)模型来提升模型性能。


人工智能落地铁路行业,格灵深瞳公开相关高铁检修、监测方案


如上图所示,为特征提取模块结构示意图。特征提取模块wide‑Resenet 50图像金字塔,每一层的数据将输入至归一化流模型。将图像增强后的图像线性下采样到长宽相同的(1024,1024)的尺寸,然后经过Wide‑Resnet 50进行特征提取。采用图像金字塔的方式,取通过卷积神经网络下采样得到8倍、16倍、32倍的特征图,分别输入到无监督学习异常检测流模型模块中进行训练和测试。


接着,使用一维归一化流模型进行异常检测,归一化流模型的作用机制为只对正常数据进行训练,可以将正常图像的分布拟合到标准正态分布当中。并利用多尺度聚合模块,将得分在每一个尺度下的异常检测结果再次归一化到[0,1]之间,对其进行加和。


此时得到的新的异常检测得分图每个位置异常检测结果为[0,3]之间的得分,然后取最大值,并减去每一个位置的异常得分,得到不同测试图像的相对异常检测得分作为最终的异常检测结果。


人工智能落地铁路行业,格灵深瞳公开相关高铁检修、监测方案


如上图,为上述用于高铁检修的监测装置图。该装置包括:获取单元71、提取单元73和第一确定单元75。获取单元用于获取采集高铁目标位置的目标图像。提取单元用于基于目标图像利用深度卷积神经网络从样本图像中提取特征图。第一确定单元用于将特征图输入到目标检测模型中,确定目标图像是否存在异常。


以上就是格灵深瞳公开的基于深度学习的高铁检修、监测方案,该方案基于深度学习的无监督异常检测的方法,只需要提供正常的数据进行训练。利用训练好的无监督学习的归一化流异常检测模型,即可得到异常物体在高铁检修图像上的位置,以解决传统的高铁检修中由于异常数据获取困难,导致训练的高铁检修模型识别异常准确性较低的技术问题。


(原标题:【专利解密】人工智能落地铁路行业 格灵深瞳公开相关高铁检修、监测方案)


来源:天天IP

作者:爱集微IP

编辑:IPRdaily赵甄          校对:IPRdaily纵横君


注:原文链接人工智能落地铁路行业,格灵深瞳公开相关高铁检修、监测方案点击标题查看原文)


人工智能落地铁路行业,格灵深瞳公开相关高铁检修、监测方案

「关于IPRdaily」


IPRdaily是全球领先的知识产权综合信息服务提供商,致力于连接全球知识产权与科技创新人才。汇聚了来自于中国、美国、欧洲、俄罗斯、以色列、澳大利亚、新加坡、日本、韩国等15个国家和地区的高科技公司及成长型科技企业的管理者及科技研发或知识产权负责人,还有来自政府、律师及代理事务所、研发或服务机构的全球近100万用户(国内70余万+海外近30万),2019年全年全网页面浏览量已经突破过亿次传播。


(英文官网:iprdaily.com  中文官网:iprdaily.cn) 


本文来天天IP并经IPRdaily.cn中文网编辑。转载此文章须经权利人同意,并附上出处与作者信息。文章不代表IPRdaily.cn立场,如若转载,请注明出处:“http://www.iprdaily.cn”

纳暮投稿作者
共发表文章2698
最近文章
关键词
首席知识产权官 世界知识产权日 美國專利訴訟管理策略 大数据 软件著作权登记 专利商标 商标注册人 人工智能 版权登记代理 如何快速获得美国专利授权? 材料科学 申请注册商标 软件著作权 虚拟现实与增强现实 专利侵权纠纷行政处理 专利预警 知识产权 全球视野 中国商标 版权保护中心 智能硬件 新材料 新一代信息技术产业 躲过商标转让的陷阱 航空航天装备 乐天 产业 海洋工程装备及高技术船舶 著作权 电子版权 医药及高性能医疗器械 中国专利年报 游戏动漫 条例 国际专利 商标 实用新型专利 专利费用 专利管理 出版管理条例 版权商标 知识产权侵权 商标审查协作中心 法律和政策 企业商标布局 新商标审查「不规范汉字」审理标准 专利机构排名 商标分类 专利检索 申请商标注册 法规 行业 法律常识 设计专利 2016知识产权行业分析 发明专利申请 国家商标总局 电影版权 专利申请 香港知识产权 国防知识产权 国际版权交易 十件 版权 顾问 版权登记 发明专利 亚洲知识产权 版权归属 商标办理 商标申请 美国专利局 ip 共享单车 一带一路商标 融资 驰名商标保护 知识产权工程师 授权 音乐的版权 专利 商标数据 知识产权局 知识产权法 专利小白 商标是什么 商标注册 知识产权网 中超 商标审查 维权 律所 专利代理人 知识产权案例 专利运营 现代产业
本文来自于iprdaily,永久保存地址为http://www.iprdaily.cn/article_33747.html,发布时间为2023-03-29 10:59:44

文章不错,犒劳下辛苦的作者吧

    我也说两句
    还可以输入140个字
    我要评论
    回复
    还可以输入 70 个字
    请选择打赏金额