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！

龙图腾网获悉北京全路通信信号研究设计院集团有限公司申请的专利一种基于深度学习的信号平面图信号机识别方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114445285B 。

龙图腾网通过国家知识产权局官网在2025-11-04发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111267400.5，技术领域涉及：G06T5/70；该发明授权一种基于深度学习的信号平面图信号机识别方法及系统是由王腾飞;徐宗奇;李智宇;刘志明;邓杨;王峰;方晓君;焦志全;欧阳圣平;毛伟栋;徐立涛设计研发完成，并于2021-11-08向国家知识产权局提交的专利申请。

本一种基于深度学习的信号平面图信号机识别方法及系统在说明书摘要公布了：本发明提供一种基于深度学习的信号平面图信号机识别方法及系统，方法包括：获取待识别的信号平面图；采用信号机识别网络识别所述信号平面图中的信号机；所述信号机识别网络为基于YOLOv5‑s的神经网络。本发明的基于深度学习的信号平面图信号机识别方法及系统以YOLOv5‑s网络为基础，提出适合于信号平面图的Signal‑Net识别网络，能够对大分辨率图纸中的信号机目标进行精确检测。保证网络对信号机的识别精度的同时，模型参数量适中，满足在边缘计算设备上的实时运行的要求。

本发明授权一种基于深度学习的信号平面图信号机识别方法及系统在权利要求书中公布了：1.一种基于深度学习的信号平面图信号机识别方法，其特征在于， 获取待识别的信号平面图； 对整体信号平面图进行分割，形成多个局部区域图像；对多个局部区域图像进行筛选，获取包含信号机的局部区域图像； 对局部区域图像进行灰度化处理；再对局部区域图像进行中值滤波处理，从而达到对噪声抑制的作用；对处理后的局部区域图像根据霍夫检测参数进行霍夫圆形检测； 对霍夫圆形检测后的所述局部区域图像的信号机进行锚点框标注，形成自定义数据集，作为信号机识别网络的输入数据； 基于所述输入数据，采用信号机识别网络识别所述信号平面图中的信号机；所述信号机识别网络为基于YOLOv5-s的神经网络；其中： 所述信号机识别网络的宽度系数为YOLOv5-s模型的3倍； 所述信号机识别网络中的第一种CSP结构CSP1中，每个CSP1的第一个CBL结构之后的残差组件数量是对应的YOLOv5-s模型的3倍； 所述信号机识别网络中的第二种CSP结构CSP2中，每个CSP2的第一个CBL结构之后的CBL组件的数量是对应的YOLOv5-s模型的3倍； 所述信号机识别网络的通过增加Focus和CBL的卷积核数量，使得网络深度系数为YOLOv5-s模型的1.25倍； 所述信号机识别网络的损失函数包括目标定位损失函数，目标置信度损失函数和目标类别损失函数； 设置目标置信度损失函数的权值，以降低由于数量不均衡所造成的影响，数量不均衡是指信号平面图中包含目标的边界预测框数量少于不包含目标的边界预测框数量； YOLO框架的损失函数为： ； 其中，lossloc为目标定位损失函数，losscof为目标置信度损失函数、losscls为目标类别损失函数，λcof为目标置信度损失函数的权值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京全路通信信号研究设计院集团有限公司，其通讯地址为：100070 北京市丰台区丰台科技园汽车博物馆南路1号院B座7层；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。