【技术实现步骤摘要】
一种基于生成对抗模型的配电站智能网关数据增强方法
[0001]本专利技术属于数据处理
,涉及视频处理技术,具体涉及一种基于生成对抗模型的配电站智能网关数据增强方法。
技术介绍
[0002]目前在配电房中,尤其是无人值守配电房中,基于监控摄像头的电子巡更设备、安防监控设备是确保该类设备运行安全性和可靠性的重要辅助设备,使用量巨大。在智能监控算法研发过程中,现有算法往往需要采集大量数据结合人工智能算法进行统计训练,而监控数据中预警事件出现频次极少,这将导致算法研发工作缺少有效数据,进而导致算法稳定性差、精度低等问题。
技术实现思路
[0003]为解决上述问题,本专利技术公开了一种基于生成对抗模型的配电站智能网关数据增强方法,利用长时间监控空镜头,结合少量真实预警事件,将预警事件嵌入至容易获得的空镜头中,以此获得更多的训练样本,能够增加配电站智能预警算法中的有效数据,增强算法稳定性差,提高精度。
[0004]为达到上述目的,本专利技术的技术方案如下:
[0005]一种基于生成对抗模型的配电站智能网关数据增强方法,包括如下步骤:
[0006]步骤1,训练生成对抗模型
[0007](1)随机截取监控视频空镜头作为背景数据集Z
i
,截取预警事件镜头作为真实数据集X
i
;生成模型Generator为输入输出均为图像的深度神经网络模型;对抗模型Discriminator为输入图像输出图像真实度的深度神经网络模型;将Z
i
及X< ...
【技术保护点】
【技术特征摘要】
1.一种基于生成对抗模型的配电站智能网关数据增强方法,其特征在于,包括如下步骤:步骤1,训练生成对抗模型(1)随机截取监控视频空镜头作为背景数据集Z
i
,截取预警事件镜头作为真实数据集X
i
;生成模型Generator为输入输出均为图像的深度神经网络模型;对抗模型Discriminator为输入图像输出图像真实度的深度神经网络模型;将Z
i
及X
i
同时输入生成模型Generator得到生成图像X
g
,将X
g
作为负样本,X
i
作为正样本训练对抗模型Discriminator,其损失矩阵为L
d
;(2)将对抗模型Discriminator的损失L
d
与Generator联立,得到Generator的损失矩阵L
g
;(3)将L
d
、L
g
用于优化Discriminator与Generator模型,具体步骤如下:a.当出现Generator模型LossL
g
长时间无法降低时,运用MSE loss将X
i
作为监督信息加入L
g
中,此时b.当出现Discriminator模型LossL
d
长时间无变化时,通过在Discriminator模型中的卷积层后加入dropout降低过拟合,或随机将Discriminator模型中的部分权重替换为随机数;c.当Generator模型的中间编码特征过于集中时,加入损失函数,将中间编码特征的数值分布与标准正态分布的KL散度作为监督进行训练,最优化目标为:P(x)为中间编码特征的样本分布,Q(x)为标准正态分布,损失函数为其中,var为中间编码特征的方差,mean为中间编码特征均值,e为自然对数;d.当Generator模型的中间编码特征过于集中时,加入triplet l...
【专利技术属性】
技术研发人员:周佳伟,卜权,顾雄飞,陈超,
申请(专利权)人:佳源科技股份有限公司,
类型:发明
国别省市:
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。