技術(shù)特征：

1.一種鐵路異物短語定位模型的訓(xùn)練方法，其特征在于，所述鐵路異物短語定位模型中包括識別模塊、編碼模塊、特征增強模塊和檢測模塊；所述方法包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述多個預(yù)設(shè)短語結(jié)構(gòu)類別中包括修飾詞、對象詞和關(guān)系詞，每個所述結(jié)構(gòu)文本對應(yīng)的結(jié)構(gòu)類別概率分布中包括所述結(jié)構(gòu)文本對應(yīng)的短語結(jié)構(gòu)類別分別為所述修飾詞、所述對象詞和所述關(guān)系詞的概率。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述根據(jù)每個所述結(jié)構(gòu)文本和對應(yīng)的所述結(jié)構(gòu)類別概率分布，確定短語結(jié)構(gòu)類別損失，包括：

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述基于所述編碼模塊和所述結(jié)構(gòu)類別概率分布，生成每個所述預(yù)設(shè)短語結(jié)構(gòu)類別對應(yīng)的結(jié)構(gòu)文本特征向量，包括：

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述特征增強模塊中包括修飾詞特征增強模塊、對象詞特征增強模塊和整體圖文特征增強模塊；所述鐵路異物短語定位模型中還包括自注意力機制模塊；

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述檢測結(jié)果中包括相對應(yīng)的對象類別標(biāo)識和邊界框信息；

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述基于所述檢測結(jié)果損失和所述短語結(jié)構(gòu)類別損失更新所述鐵路異物短語定位模型，以得到訓(xùn)練好的目標(biāo)鐵路異物短語定位模型，包括：

8.一種鐵路異物短語定位模型的訓(xùn)練裝置，其特征在于，所述鐵路異物短語定位模型中包括識別模塊、編碼模塊、特征增強模塊和檢測模塊；所述裝置包括：

9.一種計算機設(shè)備，其特征在于，包括：

10.一種計算機可讀存儲介質(zhì)，其特征在于，所述計算機可讀存儲介質(zhì)上存儲有計算機指令，所述計算機指令用于使計算機執(zhí)行權(quán)利要求1至7中任一項所述的鐵路異物短語定位模型的訓(xùn)練方法。

技術(shù)總結(jié)
本發(fā)明涉及目標(biāo)檢測技術(shù)領(lǐng)域，公開了一種鐵路異物短語定位模型的訓(xùn)練方法、裝置、設(shè)備及介質(zhì)，可以對圖像特征向量和文本特征向量進行交叉對齊，得到對齊后圖像特征向量和對齊后文本特征向量，使用對齊后圖像特征向量和對齊后文本特征向量對進行訓(xùn)練，使得模型能夠精確將文本描述的異物與圖像中的目標(biāo)區(qū)域?qū)?yīng)，確保在復(fù)雜場景下的短語定位精確無誤，適用于鐵路異物檢測中的細粒度場景描述，訓(xùn)練好的鐵路異物短語定位模型即可以有效執(zhí)行和完成鐵路異物短語定位任務(wù)，有效實現(xiàn)對鐵路異物的短語定位。

技術(shù)研發(fā)人員：羅靜,陳哲,孔祥斌,劉陽,周銘坤,武鑫森,費冬
受保護的技術(shù)使用者：通號通信信息集團有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19