The invention discloses an image feature extraction method and device for fine-grained classification of ice-covered images. The method comprises the following steps: step 1, preprocessing the input image; step 2, feature extraction of the preprocessed image. In fine-grained image classification, the invention considers fully modelling the information transmission between layers, effectively extracts image features, and can more accurately classify images containing similar categories of objects.
【技术实现步骤摘要】
一种用于覆冰图像细粒度分类的图像特征提取方法和装置
本专利技术涉及深度学习
,尤其涉及一种用于覆冰图像细粒度分类的图像特征提取方法的装置。
技术介绍
近年来,随着全球气温逐渐变暖,极端天气的不断增多,电网系统面临巨大的挑战。当前,我国电力系统在应对极端天气方面还存在很多技术欠缺,如果不能及时对可能出现的极端天气进行有效的预测和干预,可能造成灾难性的后果。冰风灾害是供电系统面临的一大难题。世界各地都曾出现过不同程度的冰风灾害,我国电网系统也发生过多次冰风灾害,而且这种灾害的发生频率呈现上升趋势。2008年年初,我国南方部分省市遭受了前所未有的低温雨雪冰冻灾害,冰冻灾害造成国家电网公司的直接财产损失达到104.5亿元,而灾后的电网恢复重建和改造投入资金达390亿元,经济损失巨大。巨大的经济损失和社会影响警示我们,开展电力系统防灾研究、保障电力系统在冰风灾害时的安全稳定运行是当前刻不容缓的挑战和艰巨的任务。在应对冰风灾害时除了采取防覆冰技术、融冰技术和除冰技术之外,对冰风灾害进行有效的识别和预测也具有十分重要的意义,而利用视觉图片判断电力设施是否覆冰是一个非常有效的方法。图像细粒度分类是在相同大类中更细致的区分不同小类,如区分覆冰与非覆冰图像。因为大类物体下不同小类的物体具有相近的结构,这导致了区分不同小类物体图像的难度大幅度上升,使得准确区分相同大类下的不同小类物体具有挑战性。此外由于环境光照、拍摄设备、物体角度、运动状态、拍摄距离等条件的不同导致图像质量不同,物体在图像中展现的姿态也不同,使得图像细粒度分类的问题更加复杂。在覆冰与非覆冰两种图像中物体的 ...
【技术保护点】
1.一种用于覆冰图像细粒度分类的图像特征提取方法,其特征在于,包括如下步骤:步骤1,对输入的覆冰图像进行预处理;步骤2,对预处理的图像进行特征提取。
【技术特征摘要】
1.一种用于覆冰图像细粒度分类的图像特征提取方法,其特征在于,包括如下步骤:步骤1,对输入的覆冰图像进行预处理;步骤2,对预处理的图像进行特征提取。2.根据权利要求1所述的方法,其特征在于,步骤1包括:对输入的覆冰图像进行缩放,裁剪、归一化的预处理,得到预设分辨率的图像,并将其按照三原色RGB三通道的顺序组成输入矩阵。3.根据权利要求1所述的方法,其特征在于,步骤2包括:对预处理后的图像即步骤1得到的输入矩阵进行卷积、注意力机制模块Attention和池化Pooling操作得到输出特征图,具体包括如下步骤:步骤2-1,对预处理后的图像依次进行一次卷积和池化Pooling操作,卷积核尺寸为7*7,步长为2,Pooling操作类型为最大池化maxpool,核尺寸为3*3,步长为2,并输出特征图;步骤2-2,步骤2-1输出的特征图经过第一个混和链路块MixedLinkBlock计算特征图,该混和链路块MixedLinkBlock包括6个混合层MixLayer,其中上一个混合层MixLayer的输出特征图作为下一个混合层MixLayer的输入特征图;对第一个混和链路块MixedLinkBlock的输出特征图依次进行卷积和池化Pooling操作,卷积核尺寸为1*1,步长为1,池化Pooling操作类型为平均池化avgpool,核尺寸为2*2,步长为2,并输出特征图;步骤2-3,步骤2-2输出的特征图经过第二个混和链路块MixedLinkBlock计算特征图,该混和链路块MixedLinkBlock包括12个混合层MixLayer,其中上一个混合层MixLayer的输出特征图作为下一个混合层MixLayer的输入特征图;对第二个混和链路块MixedLinkBlock的输出特征图依次进行卷积、注意力机制模块Attention和池化Pooling操作,卷积核尺寸为1*1,步长为1,池化Pooling操作类型为avgpool,核尺寸为2*2,步长为2,并输出特征图;步骤2-4,步骤2-3输出的特征图经过第三个混和链路块MixedLinkBlock计算特征图,该混和链路块MixedLinkBlock包括20个混合层MixLayer,其中上一个混合层MixLayer的输出特征图作为下一个混合层MixLayer的输入特征图;对第三个混和链路块MixedLinkBlock的输出特征图依次进行卷积、注意力机制模块Attention和池化Pooling操作,三种操作与步骤2-2中第二个混和链路块MixedLinkBlock后接的操作相同,并输出特征图;步骤2-5,步骤2-4输出的特...
【专利技术属性】
技术研发人员:路通,管文杰,袁明磊,岳圣凯,孔震,
申请(专利权)人:南京大学,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。