面向电力巡检场景的基于特征匹配的轻量化单样本目标检测方法技术

一种面向电力巡检场景的基于特征匹配的轻量化单样本目标检测方法，包括下列步骤：1)基于掩码的基类别目标检测模型训练；2)新类别标注样本的数据增强；3)新类别标注样本的特征提取；4)模型在测试数据上的初步推理；5)使用传统特征修正推理结果。通过上述步骤，本发明专利技术实现了在每个类别标注样本极其稀少情况下(1个)的目标检测，并克服了传统单样本目标检测中依赖于测试图像类别先验知识的问题，同时还使用神经架构搜索，在尽量保持模型性能的同时减少模型的参数量。减少模型的参数量。减少模型的参数量。

【技术实现步骤摘要】
面向电力巡检场景的基于特征匹配的轻量化单样本目标检测方法


[0001]本专利技术属于电力巡检场景下的单样本目标检测领域，针对电力巡检场景中部分变电站位置偏远，地理条件恶劣而难以采集到足够质量和数量的训练图像的问题，以及传统目标检测模型过大导致在实际部署中的高成本问题，提出一种面向电力巡检场景的基于特征匹配的轻量单样本目标检测方法，适用于在实际应用中实现高准确率与高效率的单样本目标检测。

技术介绍

[0002]电力巡检是对变电站等电力设备的常规化巡逻检查任务，密集程度高，需要比较大的工作量。常规的电力巡检主要依靠巡检人员定期定时进行人工巡检，由于气候条件、环境因素、人员状态等多方面因素的制约，巡检质量和到位率无法保证，对人力成本也有比较大的要求。因此，以目标检测为主的计算机视觉技术被引入，对可能存在安全隐患进行检测，以实现自动化而高效的电力巡检。
[0003]目标检测是计算机视觉中一项基础但具有挑战性的任务，旨在定位目标图像中的某些类别。它已广泛应用于许多计算机视觉任务，例如目标追踪，自动驾驶以及场景图生成等应用中。<br/>[0004]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.面向电力巡检场景的基于特征匹配的轻量化单样本目标检测方法，包括以下步骤：1)训练基于掩码的基类别目标检测模型；在对只有单张标注样本的新类别进行检测之前，首先在有大量标注样本的基类别数据上预训练一个Faster R
‑
CNN目标检测模型；预训练模型使用的是随机初始化的特征提取器，并没有在ImageNet之类的大数据集上预训练；为了提高模型对目标边缘、角等浅层视觉特征的识别能力，首先使用Canny边缘检测的方法将训练图像的边缘检测出来，将其作为训练图像的第四个通道；另外，为了在保证检测模型性能的同时，减小模型的参数量，使用多个可训练的二分掩码对特征提取器的卷积层进行剪枝，当某卷积层的通道掩码值为1时，该通道的输出保留，而当掩码值为0时，该通道的输出置0；为了训练这些二分掩码，设计一个损失函数，对掩码值过高(参数量)过大的情况进行惩罚；令M
i
表示网络第i层的掩码，S
i
表示网络第i层的参数量，则本方法的掩码损失函数为：L
model_size
＝∑
i
ratio(M
i
)*S
i
ꢀꢀꢀꢀꢀꢀ
(1)其中，ratio(M
i
)表示M
i
中掩码值为1的比例。2)增强新类别标注样本的数据；对新类别的单个标注样本进行数据增强，将其拓展为多个不同样本，以增强对目标类别知识的表示能力；采用传统的数据增强、域对齐和边界框修正这三个方法对单个标注样本进行数据增强；其中，传统的数据增强包括饱和度变换、亮度变换和图像旋转等；边界框修正是对标注样本进行分割，去除标注样本中...

【专利技术属性】
技术研发人员：宋明黎，申成吉，黄启涵，张皓飞，宋杰，
申请(专利权)人：浙江大学，
类型：发明
国别省市：