Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

交通水域场景的异常检测方法、装置及计算机系统 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:贵州道坦坦科技股份有限公司

摘要:本申请提供一种交通水域场景的异常检测方法、装置及计算机系统,目标场景异常检测网络为基于多层级迁移学习获得的,这样得到的目标场景异常检测网络的运算效率和精度得到强化,能高效提升场景异常检测的精度。迁移学习包含多个层级,水域场景图像模板库包括没有添加真实类别标记的未标记水域场景图像模板组成库和添加了真实类别标记的带标记水域场景图像模板组成库,不同层级加载其中一个水域场景图像模板组成库进行调试,以对照神经网络的执行结果作为约束信息,对拟训练场景异常检测网络进行网络参变量优化,实现一级网络迁移学习的调试;该层级能基于大量未标记水域场景图像模板提升网络的普适性,推理精度更高。

主权项:1.一种交通水域场景的异常检测方法,其特征在于,所述方法包括:获取用于进行场景异常检测的水域场景图像模板库,所述水域场景图像模板库包括没有添加真实类别标记的未标记水域场景图像模板组成库和添加了真实类别标记的带标记水域场景图像模板组成库,所述真实类别标记表示水域场景图像模板的图像场景分类;将所述未标记水域场景图像模板组成库分别加载到调试完成的对照神经网络和拟训练场景异常检测网络,依据所述对照神经网络的执行结果与所述拟训练场景异常检测网络的执行结果之间的误差,对所述拟训练场景异常检测网络进行网络参变量优化,得到过渡场景异常检测网络;将所述带标记水域场景图像模板组成库分别加载到所述对照神经网络和所述过渡场景异常检测网络,依据所述过渡场景异常检测网络的执行结果与相应真实类别标记之间的误差,以及所述对照神经网络的执行结果与所述过渡场景异常检测网络的执行结果的之间的误差,对所述过渡场景异常检测网络进行网络参变量优化,得到目标场景异常检测网络;将拟异常检测的水域场景图像加载到所述目标场景异常检测网络,得到所述目标场景异常检测网络执行得到的所述拟异常检测的水域场景图像对应的异常检测结果。

全文数据:

权利要求:

百度查询: 贵州道坦坦科技股份有限公司 交通水域场景的异常检测方法、装置及计算机系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。