-
公开(公告)号：CN113361369B
公开(公告)日：2022-08-09
申请号：CN202110611253.2
申请日：2021-06-01
Applicant: 南京南瑞信息通信科技有限公司
Abstract: 本发明公开了一种基于训练样本选择的电力现场着装规范检测方法，利用不同特征等级上的正训练样本对神经网络进行训练，分别将两类正训练样本通过分类损失函数Focal Loss进行分类，通过回归损失函数GIoU Loss进行回归，通过CrossEntropyLoss进行质量评分，得到预测损失函数LM、辅助损失函数LM，最终的训练损失函数L，求取最终的训练损失函数L最小值时的神经网络参数；将电力现场图片输入训练好的神经网络，得到电力现场图片中着装不规范目标标定。本发明弥补了图像特征的信息损失及不同尺度之间特征的语义差距，提高了检测精度，在电力现场安防研究领域具有重要的意义。
-
公开(公告)号：CN113361369A
公开(公告)日：2021-09-07
申请号：CN202110611253.2
申请日：2021-06-01
Applicant: 南京南瑞信息通信科技有限公司
Abstract: 本发明公开了一种基于训练样本选择的电力现场着装规范检测方法，利用不同特征等级上的正训练样本对神经网络进行训练，分别将两类正训练样本通过分类损失函数Focal Loss进行分类，通过回归损失函数GIoU Loss进行回归，通过CrossEntropyLoss进行质量评分，得到预测损失函数LM、辅助损失函数LM，最终的训练损失函数L，求取最终的训练损失函数L最小值时的神经网络参数；将电力现场图片输入训练好的神经网络，得到电力现场图片中着装不规范目标标定。本发明弥补了图像特征的信息损失及不同尺度之间特征的语义差距，提高了检测精度，在电力现场安防研究领域具有重要的意义。
-
公开(公告)号：CN113361520B
公开(公告)日：2022-08-09
申请号：CN202110611302.2
申请日：2021-06-01
Applicant: 南京南瑞信息通信科技有限公司
Abstract: 本发明公开了一种基于样本偏移网络的输电线路设备缺陷检测方法，将数据集送入到设计好的卷积神经网络模型中进行训练，完善卷积神经网络模型的自身参数；将训练好的卷积神经网络模型部署到检测设备上，输电线路设备缺陷进行检测。本发明利用马赛克数据增强的方法来处理数据，可以补充样本缺少的图像，同时丰富缺陷类别的背景信息，减少网络过拟合的情况。通过特征提取和特征融合模块，丰富输入图像的多样性，使得网络能够准确判断感兴趣区域，增强网络的检测能力。通过修正候选框的位置，让分类任务和回归任务获得不同的候选区域。识别方法识别的动作数量具有可扩展性，且扩展操作简单，易于开发人员操作。
-
公开(公告)号：CN113361520A
公开(公告)日：2021-09-07
申请号：CN202110611302.2
申请日：2021-06-01
Applicant: 南京南瑞信息通信科技有限公司
Abstract: 本发明公开了一种基于样本偏移网络的输电线路设备缺陷检测方法，将数据集送入到设计好的卷积神经网络模型中进行训练，完善卷积神经网络模型的自身参数；将训练好的卷积神经网络模型部署到检测设备上，输电线路设备缺陷进行检测。本发明利用马赛克数据增强的方法来处理数据，可以补充样本缺少的图像，同时丰富缺陷类别的背景信息，减少网络过拟合的情况。通过特征提取和特征融合模块，丰富输入图像的多样性，使得网络能够准确判断感兴趣区域，增强网络的检测能力。通过修正候选框的位置，让分类任务和回归任务获得不同的候选区域。识别方法识别的动作数量具有可扩展性，且扩展操作简单，易于开发人员操作。
-
-
-
Search Results
4
records
(took 0.042 seconds)
