(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210536818.X (22)申请日 2022.05.18 (65)同一申请的已公布的文献号 申请公布号 CN 114638830 A (43)申请公布日 2022.06.17 (73)专利权人 安徽数智建造 研究院有限公司 地址 230001 安徽省合肥市高新区习友路 3333号 (72)发明人 宋恒　耿天宝　王扩　王东杰　 刘道学　程维国　 (74)专利代理 机构 北京清亦华知识产权代理事 务所(普通 合伙) 11201 专利代理师 赵静 (51)Int.Cl. G06T 7/00(2017.01)G06V 10/25(2022.01) G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (56)对比文件 CN 111126415 A,2020.0 5.08 CN 111123263 A,2020.0 5.08 CN 110334751 A,2019.10.15 吴应永等.基 于尺度不变特 征变换的无砟轨 道板钢筋检测. 《无损检测》 .2020,(第0 3期),78- 82. 审查员 郭鸽 (54)发明名称 隧道钢筋识别模型的训练方法及 隧道钢筋 识别方法 (57)摘要 本发明公开了一种隧道钢筋识别模型的训 练方法及隧道钢筋识别方法， 隧道钢筋识别模型 包括特征提取模块、 ROI特征选择模块、 钢筋位置 检测模块和关键点估计模块， 钢筋位置检测模块 的输出端用以输出预测的钢筋位置信息， 关键点 估计模块用以输出预测的钢筋关键点信息， 训练 方法包括： 获取训练影像集； 将训练影像集中的 钢筋雷达影像输入至隧道钢筋识别模 型， 得到预 测的钢筋位置信息和钢筋关键点信息； 基于预测 的钢筋位置信息得到第一损失函数， 基于预测的 钢筋关键点信息得到第二损失函数， 并根据第一 损失函数和第二损失函数得到第三损失函数； 根 据第三损失函数， 调整隧道钢筋识别模型的参 数。 本发明提高了训练好的隧道钢筋识别模型的 识别率。 权利要求书4页 说明书14页 附图6页 CN 114638830 B 2022.08.12 CN 114638830 B 1.一种隧道钢筋识别模型的训练方法， 其特征在于， 所述隧道钢筋识别模型包括特征 提取模块、 感兴趣区域ROI特征选择模块、 钢筋位置检测模块和关键点估计模块， 所述特征 提取模块的输入端用以输入图像， 所述特征提取模块的第一输出端与所述钢筋 位置检测模 块的输入端连接， 所述特征提取模块的第二输出端与所述ROI特征选择模块的第一输入端 连接， 所述钢筋位置检测模块的输出端与所述ROI特征选择模块的第二输入端连接， 所述 ROI特征选择模块的输出端与所述关键点估计模块的输入端连接， 所述钢筋位置检测模块 的输出端用以输出预测的钢筋位置信息， 所述关键点估计模块用以输出预测的钢筋关键点 信息， 所述方法包括： 使用训练影像集对隧道钢筋识别模型进行多次周期性的训练， 其中， 针对每次训练周 期， 执行以下操作： 获取训练影 像集， 其中， 所述训练影 像集包括钢筋雷达影 像； 将所述训练影像集中的钢筋雷达影像输入至隧道钢筋识别模型， 得到预测的钢筋位置 信息和钢筋关键点信息； 基于所述预测的钢筋位置信 息得到第 一损失函数， 基于所述预测的钢筋关键点信 息得 到第二损失函数， 并根据所述第一损失函数和所述第二损失函数 得到第三损失函数； 根据所述第三损失函数， 调整所述隧道钢筋 识别模型的参数； 其中， 所述将所述训练影像集中的钢筋雷达影像输入至 隧道钢筋识别模型， 得到预测 的钢筋位置信息和钢筋关键点信息， 包括： 将所述钢筋雷达影 像输入至所述特 征提取模块的hourglas s网络， 得到第一特 征图； 通过所述钢筋位置检测模块根据所述第 一特征图进行钢筋位置预测， 得到所述预测的 钢筋位置信息， 并基于所述预测的钢筋位置信息得到感兴趣区域； 通过所述ROI特征选择模块中的特征抽取子模块根据所述感兴趣区域， 抽取所述第一 特征图中的钢筋ROI特 征， 得到第二特 征图； 通过所述ROI特征选择模块中的特征选择子模块对所述第 二特征图进行空间自适应加 权， 得到第三特 征图； 通过所述关键点估计模块根据 所述第三特征图进行钢筋关键点估计， 得到所述预测的 钢筋关键点信息 。 2.根据权利要求1所述的隧道钢筋识别模型的训练方法， 其特征在于， 所述预测的钢筋 位置信息包括钢筋中心点坐标 和钢筋尺寸 ， 所述第一损失函数 的表 达式为： 其中， 表示中心点估计损失函数， 表示尺寸估计损失函数， 表示偏差估计 损失函数， 和 表示平衡钢筋位置检测与特 征点估计任务权 重的因子 。 3.根据权利要求2所述的隧道钢筋 识别模型的训练方法， 其特 征在于， 所述中心点估计损失函数 的表达式为：权　利　要　求　书 1/4 页 2 CN 114638830 B 2其中， xyc表示目标中心点， 表示映射到中心点热图上的目标中心点的高斯分布扩 展值， 表示映射到中心点 热图上的目标中心点的高斯分布预测值， N表示所述钢筋雷达 影像中的钢筋数目， 和 分别表示可调节的超参数； 所述尺寸估计损失函数 的表达式为： 其中， 和 分别表示第k个目标中心点 在中心点热图上的真实坐标和预测坐标； 所述偏差估计损失函数 的表达式为： 其中， 和 分别表示第k个目标中心点 映射到中心点热图上的真实偏差和预测 偏差。 4.根据权利要求1所述的隧道钢筋识别模型的训练方法， 其特征在于， 根据所述感兴趣 区域， 抽取 所述第一特 征图中的钢筋ROI特 征， 得到第二特 征图， 包括： 将所述感兴趣区域映射到所述第一特 征图中， 得到映射特 征图； 对所述映射特 征图进行仿射变换， 得到所述第二特 征图。 5.根据权利要求1所述的隧道钢筋识别模型的训练方法， 其特征在于， 通过下式得到所 述第三特 征图： 其中， 表示所述第三特 征图， 表示所述第二特 征图， ， 表示权重， ReLu表示Rectified  Linear Units激活函 数， Conv1表 示核尺度为1的二维卷积， W表 示所述第二特征图的宽度， H表 示所述第二特征图 的高度， C表示所述第二特 征图的通道， RW ×H×C表示所述第二特 征图实数域空间。 6.根据权利要求1所述的隧道钢筋识别模型的训练方法， 其特征在于， 所述第 二损失函 数 的表达式为： 其中， 表示关键点估计损失函数， 表示关键点偏差估计损失函数， 表示 平衡偏差估计权 重的因子 。权　利　要　求　书 2/4 页 3 CN 114638830 B 3