一种基于人工智能平台下的路径识别方法.pdf

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 110986949 A (43)申请公布日 2020.04.10 (21)申请号 201911229234.2 (22)申请日 2019.12.04 (71)申请人 日照职业技术学院 地址 276826 山东省日照市东港区烟台北 路16号 (72)发明人 金桂梅　李林　金贵斌　 (74)专利代理机构 青岛致嘉知识产权代理事务 所(普通合伙) 37236 代理人 张晓艳 (51)Int.Cl. G01C 21/20(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) 权利要求书2页 说明书5页 附图1页 (54)发明名称 一种基于人工智能平台下的路径识别方法 (57)摘要 本发明属于智能路径规划技术领域，具体涉 及一种基于人工智能平台下的路径规划方法。本 发明包括：采集具有路径的图像：采集具有路径 的图像，对每张图像进行标类，根据定义的特征 类型，建立数据联系，形成数据集；数据预处理： 对原始图像计算整个数据集上每个像素的均值 和标准差，对每张图像以50％概率翻转，同时进 行归一化处理，得到预处理后的图像集合等步 骤。本发明使用卷积神经网络进行图像识别，相 比于传统方法,准确率更高,判断过程更加智能 化，且可以应用于多种应用场景。本发明使用全 卷积网络作为基础网络结构,保留局部信息,使 A 得学习到的特征更易被可视化和理解，同时全卷 9 积网络对图像大小和类型没有太多限制，增强了 4 9 6 实用性。 8 9 0 1 1 N C CN 110986949 A 权　利　要　求　书 1/2页 1.一种基于人工智能平台下的路径规划方法，包括如下步骤： (1)采集具有路径的图像：采集具有路径的图像，对每张图像进行标类，根据定义的特 征类型，建立数据联系，形成数据集； (2)数据预处理：对原始图像计算整个数据集上每个像素的均值和标准差，对每张图像 以50％概率翻转，同时进行归一化处理，得到预处理后的图像集合； (3)提取初级特征：依次确定从上到下的51层ResNets网络架构和1层ResNets网络架构 作为构建特征人工智能网络的底层网络，对路径采集图像进行初级特征提取，提取出5个不 同的尺度的特征A ，A ，A ，A ，A ；计算网络架构权重β； 1 2 3 4 5 (4)卷积网络叠加：将步骤(3)中得到的5个尺度的特征分别通过从上到下的卷积网络 进行叠加得到新特征S ，S ，S ，S ，S消除不同层之间的混叠效果； 1 2 3 4 5 (5)特征图重建：建立特征金字塔网络作为主体网络，将得到的特征S、S 、S通过上采 5 6 7 样和单层卷积生成重建特征，完成特征的重组； (6)目标框输出：将的5个重建特征连接至适用于重建特征图的目标框输出，将目标框 的输出分为两个分类子网络，一个分类子网作为回归目标的类别输出，另一个回归子网则 作为回归的边界框的输出： Focal Loss函数输出为： λ FL(Q)＝-(1-Q) βlog(Q)； t t t 其中Q 是路径图像识别正确的概率，β是权重，