一种基于微调式结构化剪枝的电力巡检方法和系统技术方案

本申请提供一种基于微调式结构化剪枝的电力巡检方法和系统。方法包括：获取绝缘子和塔杆的图像，使用所述图像构建电力巡检数据集；构建基于微调式结构化剪枝的电力巡检算法模型；使用所述电力巡检数据集训练所述电力巡检算法模型；将实时绝缘子和塔杆的图像输入训练好的所述电力巡检算法模型，得到巡检结果。本申请提出基于结构化剪枝的电力巡检模型，网络通过剪枝后压缩了大量的冗余参数，有效加快了模型检测的速度，并且采用知识蒸馏方法，对模型参数进行合理微调，避免精度出现过大的损失，为边缘电力巡检部署奠定了基础。为边缘电力巡检部署奠定了基础。为边缘电力巡检部署奠定了基础。

【技术实现步骤摘要】
一种基于微调式结构化剪枝的电力巡检方法和系统


[0001]本申请涉及电力巡检、深度学习
，尤其涉及一种基于微调式结构化剪枝的电力巡检方法和系统。

技术介绍

[0002]近年来，基于深度学习的电力巡检模型多存在着模型参数量大、推理速度慢等不足，因此无法满足边缘部署需求。故此类算法并不具备实际工程意义。当前，为使得模型可被部署于边端设备可采用以下3种方法：1)以轻量化网络为基础进行设计；2)剪枝蒸馏；3)量化压缩。以轻量化模型作为基础网络进行再设计，固然可以加快网络的推理速度，但轻量化网络模型复杂度较低，难以实现复杂情况下的特征表征。

技术实现思路

[0003]本申请的目的就是解决现行电力巡检模型存在冗余参数量，运算复杂度高，难以真正进行边缘部署等问题进行研究。旨在使模型具有边缘可部署性的前提下，有效提高网络的检测精度。旨在进一步改善网络的实际检测效果，较好地实现了网络速度与精度的平衡，进而提出了基于结构化剪枝的电力巡检方法。
[0004]基于上述目的，本申请提出了一种基于微调式结构化剪枝的电力巡检方法，包括：
...

【技术保护点】

【技术特征摘要】
1.一种基于微调式结构化剪枝的电力巡检方法，其特征在于，包括：获取绝缘子和塔杆的图像，使用所述图像构建电力巡检数据集；构建基于微调式结构化剪枝的电力巡检算法模型；使用所述电力巡检数据集训练所述电力巡检算法模型；将实时绝缘子和塔杆的图像输入训练好的所述电力巡检算法模型，得到巡检结果。2.根据权利要求1所述的方法，其特征在于，所述方构建基于微调式结构化剪枝的电力巡检算法模型包括：使用K
‑
means++算法，在YOLOv5模型中指定初始锚框后再聚类，得到锚框数值；采用HardSwish激活函数，加速模型收敛；采用DIOU
‑
NMS算法进行后处理。3.根据权利要求1所述的方法，其特征在于，在所述训练的过程中利用归一化层缩放因子γ进行L1正则化稀疏训练，优化滤波器以及卷积核权重，剪除信息量较少的通道以去除模型中的冗余参数量；对于剪枝后的模型，通过知识蒸馏进行微调。4.根据权利要求1所述的方法，其特征在于，所述模型采用正则化层缩放因子作为依据进行剪枝，经过缩放因子后的BN层输入输出计算公式如公式(3)所示式中，Z
in
、Z
out
表示经过正则化前后的输入、输出，μ
B
、σ
B
代表BN层上激活函数输入的平均值和标准差值，γ和β为可训练的仿射变换因子；ε是引入的误差，Z表示正态分布的通道输出。5.根据权利要求4所述的方法，其特征在于，采用如公式(4)的目标函数，将通道输出和γ的乘积作为通道重要程度的评判依据，进行评估，将得分较低的通道删去：式中，x、y分别表示训练的输入与目标；W表示网络可训练权重；g(
·
)代表缩放因子...

【专利技术属性】
技术研发人员：邓若愚，胡尚薇，梁爽，
申请(专利权)人：同济人工智能研究院苏州有限公司，
类型：发明
国别省市：