本申请涉及一种红外图像检测模型的训练方法、装置和计算机设备。包括：通过获取样本红外图像和样本红外图像所对应的图像特征标，从而对样本红外图像进行特征提取，得到多个子图像特征，并可确定出每个子图像特征各自对应的局部特征。通过将多个子图像特征进行特征融合，可得到多层融合特征，进而根据多层融合特征和多个局部特征，得到图像重建特征；根据图像重建特征与图像特征标签间的差异，对红外图像检测模型进行训练，直到得到训练好的红外图像检测模型。采用本方法能够提高对红外图像进行识别的准确性。行识别的准确性。行识别的准确性。
【技术实现步骤摘要】
红外图像检测模型的训练方法、装置和计算机设备
[0001]本申请涉及图像处理
，特别是涉及一种红外图像检测模型的训练方法、装置和计算机设备。
技术介绍
[0002]随着各行各业用电需求的稳步增长，“大机组、超高压、大电网”的特点正在逐步形成，为确保电力系统安全可靠且稳定持续地运行，对电力设备的运行状态进行及时监测显得尤其重要。
[0003]目前，通常将高分辨率的红外热成像传感器，搭载在无人机或车载系统等采集设备上，当采集设备获取到红外图像时，基于深度学习等网络算法，来对红外图像中的电力设备的运行状态进行识别。然而，由于采集设备的计算能力和存储空间有限，对于算法复杂或硬件容量较大的网络算法，采集设备通常无法顺利搭载。因此，轻量级红外图像检测模型对红外图像的识别变得尤为重要。
技术实现思路
[0004]基于此，有必要针对上述技术问题，提供一种能够提高红外图像识别准确性的红外图像检测模型的训练方法、装置、计算机设备和计算机可读存储介质。
[0005]第一方面，本申请提供了一种红外图像检测模型的训练方法。包括：
[0006]获取样本红外图像和所述样本红外图像所对应的图像特征标签；
[0007]对所述样本红外图像进行特征提取，得到多个子图像特征，并确定每个所述子图像特征各自对应的局部特征；
[0008]将多个所述子图像特征进行特征融合，得到多层融合特征，并根据所述多层融合特征和多个所述局部特征，得到图像重建特征；
[0009]根据所述图像重建特征与所述图像特征标签之间的差异，对红外图像检测模型进行训练，直到达到训练停止条件时停止，得到训练好的红外图像检测模型；所述红外图像检测模型用于对电力设备的运行情况进行实时监控。
[0010]在一个实施例中，样本红外图像是通过对初始的样本红外图像进行预处理得到的；在所述获取样本红外图像和所述样本红外图像所对应的图像特征标签之前，上述方法还包括：获取所述初始的样本红外图像；确定初始的样本红外图像对应的图像参数；图像参数包括采集位姿和放大倍率中的至少一种；确定所述放大倍率对应的关联倍率，并按照所述采集位姿和所述关联倍率，构建对比红外图像；将所述对比红外图像作为所述样本红外图像对应的图像特征标签。
[0011]在一个实施例中，初始的样本红外图像的预处理步骤包括：确定所述初始的样本红外图像中的初始背景和初始对象；确定所述初始对象对应的目标对象，并将所述目标对象嵌入所述初始背景中，得到候选的样本红外图像；根据卷积核参数，确定卷积模糊核；所述卷积核参数包括图片大小、卷积核大小、步长、像素值中的至少一种；将所述候选的样本
红外图像与所述卷积模糊核进行卷积处理，得到样本红外图像。
[0012]在一个实施例中，红外图像检测模型包括浅层特征提取模块和多个深层特征提取模块；所述对所述样本红外图像进行特征提取，得到多个子图像特征，包括：通过所述浅层特征提取模块，对所述样本红外图像进行浅层特征提取，得到浅层图像特征；确定多个深层特征提取模块中的首轮深层特征提取模块，并通过所述首轮深层特征提取模块，对所述浅层图像特征进行深层特征提取，得到首轮的深层图像特征；从所述首轮之后的第二轮次起的当前轮次中，确定多个深层特征提取模块中的当前深层特征提取模块，并通过所述当前深层特征提取模块，对历史轮次的深层图像特征进行深层特征提取，得到当前轮次的深层图像特征；所述历史轮次为在所述当前轮次之前的至少一个轮次；将下一轮次作为当前轮次，并返回至从所述首轮之后的第二轮次起的当前轮次中，多个深层特征提取模块中的当前深层特征提取模块的步骤继续执行，直至得到最后一个深层特征提取模块所处轮次的深层图像特征；综合每个轮次各自对应的深层图像特征，得到多个子图像特征。
[0013]在一个实施例中，深层特征提取模块包括主轴块；所述主轴块包括特征单元；所述特征单元包括维度扩展单元、特征探索单元和特征细化单元；所述深层图像特征包括主轴块输出特征；所述通过所述当前深层特征提取模块，对历史轮次的深层图像特征进行深层特征提取，得到当前轮次的深层图像特征，包括：确定所述当前深层特征提取模块对应的当前主轴块，并通过所述当前主轴块的特征单元，对历史轮次的深层图像特征进行特征提取，得到当前轮次的当前主轴块输出特征；所述方法还包括：确定所述当前主轴块关联的多个堆叠主轴块，并确定每个堆叠主轴块各自对应的堆叠主轴块输出特征；将所述当前主轴块的当前主轴块输出特征、以及多个所述堆叠主轴块输出特征进行特征维度连接，得到所述当前主轴块对应的连接特征。
[0014]在一个实施例中，红外图像检测模型包括多个主轴块和多个局部特征融合模块；所述确定每个所述子图像特征各自对应的局部特征，包括：获取所述样本红外图像对应的浅层图像特征，并对所述浅层图像特征进行卷积处理，得到初始的局部特征；确定多个子图像特征中的当前子图像特征所对应的当前主轴块，并获取所述当前主轴块对应的连接特征；确定多个局部特征融合模块中的当前局部特征融合模块，并通过所述当前局部特征融合模块，对所述连接特征和所述初始的局部特征进行特征处理，得到当前局部特征；将所述当前局部特征融合模块的下一个局部特征融合模块作为新的当前局部特征融合模块、将所述当前局部特征作为新的初始的局部特征；返回至通过所述当前局部特征融合模块，对所述连接特征和所述初始的局部特征进行特征处理的步骤继续执行，直至得到最后一个局部特征融合模块所对应的当前局部特征；综合多个所述当前局部特征，得到每个子图像特征各自对应的局部特征。
[0015]在一个实施例中，根据所述多层融合特征和多个所述局部特征，得到图像重建特征，包括：针对多个局部特征中的每个局部特征，均确定当前局部特征对应的多个通道特征；确定每个所述通道特征各自对应的权重，并根据多个所述权重和多个所述通道特征，得到目标输出特征；对所述多层融合特征和所述目标输出特征进行上采样，得到上采样结果；对所述上采样结果和所述样本红外图像对应的浅层图像特征进行卷积处理，得到图像重建特征。
[0016]第二方面，本申请还提供了一种红外图像检测模型的训练装置。包括：
[0017]局部特征确定模块，用于获取样本红外图像和所述样本红外图像所对应的图像特征标签；对所述样本红外图像进行特征提取，得到多个子图像特征，并确定每个所述子图像特征各自对应的局部特征；
[0018]重建特征确定模块，用于将多个所述子图像特征进行特征融合，得到多层融合特征，并根据所述多层融合特征和多个所述局部特征，得到图像重建特征；
[0019]模型训练模块，用于根据所述图像重建特征与所述图像特征标签之间的差异，对红外图像检测模型进行训练，直到达到训练停止条件时停止，得到训练好的红外图像检测模型；所述红外图像检测模型用于对电力设备的运行情况进行实时监控。
[0020]第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
[0021]获取样本红本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种红外图像检测模型的训练方法，其特征在于，所述方法包括：获取样本红外图像和所述样本红外图像所对应的图像特征标签；对所述样本红外图像进行特征提取，得到多个子图像特征，并确定每个所述子图像特征各自对应的局部特征；将多个所述子图像特征进行特征融合，得到多层融合特征，并根据所述多层融合特征和多个所述局部特征，得到图像重建特征；根据所述图像重建特征与所述图像特征标签之间的差异，对红外图像检测模型进行训练，直到达到训练停止条件时停止，得到训练好的红外图像检测模型；所述红外图像检测模型用于对电力设备的运行情况进行实时监控。2.根据权利要求1所述的方法，其特征在于，所述样本红外图像是通过对初始的样本红外图像进行预处理得到的；在所述获取样本红外图像和所述样本红外图像所对应的图像特征标签之前，所述方法还包括：获取所述初始的样本红外图像；确定所述初始的样本红外图像对应的图像参数；所述图像参数包括采集位姿和放大倍率中的至少一种；确定所述放大倍率对应的关联倍率，并按照所述采集位姿和所述关联倍率，构建对比红外图像；将所述对比红外图像作为所述样本红外图像对应的图像特征标签。3.根据权利要求2所述的方法，其特征在于，所述初始的样本红外图像的预处理步骤包括：确定所述初始的样本红外图像中的初始背景和初始对象；确定所述初始对象对应的目标对象，并将所述目标对象嵌入所述初始背景中，得到候选的样本红外图像；根据卷积核参数，确定卷积模糊核；所述卷积核参数包括图片大小、卷积核大小、步长、像素值中的至少一种；将所述候选的样本红外图像与所述卷积模糊核进行卷积处理，得到样本红外图像。4.根据权利要求1所述的方法，其特征在于，所述红外图像检测模型包括浅层特征提取模块和多个深层特征提取模块；所述对所述样本红外图像进行特征提取，得到多个子图像特征，包括：通过所述浅层特征提取模块，对所述样本红外图像进行浅层特征提取，得到浅层图像特征；确定多个深层特征提取模块中的首轮深层特征提取模块，并通过所述首轮深层特征提取模块，对所述浅层图像特征进行深层特征提取，得到首轮的深层图像特征；从所述首轮之后的第二轮次起的当前轮次中，确定多个深层特征提取模块中的当前深层特征提取模块，并通过所述当前深层特征提取模块，对历史轮次的深层图像特征进行深层特征提取，得到当前轮次的深层图像特征；所述历史轮次为在所述当前轮次之前的至少一个轮次；将下一轮次作为当前轮次，并返回至从所述首轮之后的第二轮次起的当前轮次中，多个深层特征提取模块中的当前深层特征提取模块的步骤继续执行，直至得到最后一个深层
特征提取模块所处轮次的深层图像特征；综合每个轮次各自对应的深层图像特征，得到多个子图像特征。5.根据权利要求4所述的方法，其特征在于，所述深层特征提取模块包括主轴块；所述主轴块包括特征单元；所述特征单元包括维度扩展单元、特征探索单元和特征细化单元；所述深层图像特征包括主轴块输出特征；所述通过所述当前深层特征提取模块，对历史轮次的深层图像特征进行深层特征提取，得到当前轮次的深层图...
【专利技术属性】
技术研发人员：张云翔，郑筠，
申请(专利权)人：深圳供电局有限公司，
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。