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！

龙图腾网获悉上海泽高电子工程技术股份有限公司;苏州同睿兴科技有限公司申请的专利一种基于残差网络的轨道识别方法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：CN119229420B 。

龙图腾网通过国家知识产权局官网在2025-08-08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：202411757304.2，技术领域涉及：G06V20/58；该发明授权一种基于残差网络的轨道识别方法是由谢兰欣;薛腾辉;叶国靖;李柏松;张川林;沈阳设计研发完成，并于2024-12-03向国家知识产权局提交的专利申请。

本一种基于残差网络的轨道识别方法在说明书摘要公布了：本发明属于轨道交通安全领域，提供了一种基于残差网络的轨道识别方法，包括以下步骤：步骤1，基于轨道数据集，采用残差网络方法，通过网络训练获得轨道识别模型；步骤2，采集轨道实时图像，输入至轨道识别模型中，获取轨道坐标；本发明图像特征提取的效果相较于常用分割网络模型显著提高，网络结构参数量级适合实时计算和边缘部署；本发明损失函数加入了轨道线既有线型特征，训练效果显著提高；避免通用分割模型多结果难以取舍的问题，自适应区分道岔开向，目标轨道数量仅为一。

本发明授权一种基于残差网络的轨道识别方法在权利要求书中公布了：1.一种基于残差网络的轨道识别方法，其特征在于，包括以下步骤： 步骤1，基于轨道数据集，采用残差网络方法，通过网络训练获得轨道识别模型； 步骤2，采集轨道实时图像，输入至轨道识别模型中，获取轨道坐标； 步骤2包括： 步骤21，将图像输入至训练完成的轨道识别模型，经过卷积层或池化层后，通过激活函数计算得到特征图，直至全连接层得到最终检测结果； 步骤22，所述检测结果为长度为129的向量，第1至第64个数值为左轨横坐标预测数值，即x i ,l；第65至第128个数值为右轨横坐标预测数值x i ,r；第129个数值为截断后纵坐标个数，即T；i的范围为[1,64]； 步骤23，步骤22中单轨点数共64个，对应的纵坐标序列为输入图像高度H到数值0的插值，即，i的范围为[1,64]；结合截断后纵坐标个数T，左轨坐标序列为，右轨坐标序列为，其中i的范围为[1,T]； 步骤1包括： 步骤11，构建残差神经网络结构； 步骤12，将轨道数据集导入残差神经网络结构中进行训练，得到训练精度更高的残差神经网络结构，即轨道识别模型； 步骤11包括： 步骤11a，残差神经网络结构以ResNet18结构为基础，包括18个卷积层，1个池化层，1个Flatten层，2个全连接层； 步骤11b，所述卷积层提取图像特征；所述池化层采用平均值池化的方法；所述Flatten层将前一层输出数据转换为一维数组；所述全连接层将卷积层和池化层的特征表述映射到数据样本的标签，其网络结构如下： 第1层为64个卷积核大小为7×7的卷积层，步长为2； 第2层为划窗大小3×3的最大值池化层，步长为2； 第3至第6层为64个卷积核大小为3×3的卷积层，步长为1； 第7至第10为128个卷积核大小为3×3的卷积层，第7层步长为2，其余层步长为1； 第11至第14层为256个卷积核大小为3×3的卷积层，第11层步长为2，其余层步长为1； 第15至第18层为512个卷积核大小为3×3的卷积层，第15层步长为2，其余层步长为1； 第19层为平均池化层； 第20层为Flatten层，将8×16×16的数据转换成长度为2048的向量； 第21层为全连接层1，输出向量长度为2048； 第22层为全连接层2，输出向量长度为129； 步骤11c，步骤11b中使用RELU激活函数进行单侧抑制，公式如下： ； 其中，x为输入向量； 步骤12包括： 步骤12a，将图像输入至残差神经网络结构，经过卷积层或池化层后，通过激活函数计算得到特征图，直至全连接层得到最终检测结果； 步骤12b，检测结果中，x i ,l为左轨横坐标向量，x i ,r为右轨横坐标向量；T为预测轨道单轨截断后的点数，第T个纵坐标为ym，i的范围为[1,T]； 步骤12c，损失函数包括几何损失，截止损失和比例，公式如下： ； 几何损失公式如下： ； 其中，上标^表示真实值；βt为几何损失的比例平滑点；β比例点的平滑函数gx,β为： ； 截止损失公式如下： ； 其中，上标^表示真实值；βm为截止损失的比例平滑点； 步骤12d，使用自适应动量的随机优化方法，不断更新网络参数，重新计算损失函数值，直至损失函数值收敛或达到预定迭代次数。

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上海泽高电子工程技术股份有限公司;苏州同睿兴科技有限公司，其通讯地址为：201802 上海市嘉定区昌翔路8号B栋7楼；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”。