【技术实现步骤摘要】
本专利技术涉及机器视觉，尤其是涉及一种应用于输电线路防外破监测系统的一致性教师学习模型。
技术介绍
1、随着科技与国民经济的发展，用电量的增加，我国输电线路铺设量逐渐增加，输电线路受外力破坏发生的事故也越来越多。为解决此类事故，人工预警耗费人力物力较多，漏报误报率高，且无法准确及时传达事故信息；现有的自动监测报警设备误报率高，易受外界因素干扰，无法精确传达事故信息。近年来，国内计算机视觉技术已逐渐应用于电气行业，电气设备可用视觉系统进行实时监测。虽然电气设备可获得大量样本图进行学习，但设备学习时间过长，学习成本较高，且受环境等因素影响较大，在监测中容易出现陷入局部最优解、识别准确率较低的问题。针对设备视觉学习的半监督算法所需的学习成本较少，精确性较高，但有分配不一致、子任务不一致和时间不一致的问题。
技术实现思路
1、本专利技术主要是解决现有技术所存在的技术问题；提供了一种一致性教师学习模型训练防外破检测设备，可大大降低设备的学习成本，提高设备监测的精确度。
2、本专利技术还有一目的是解决现有技术所存在的技术问题；提供了一种一致性教师学习模型可优化现有的半监督学习算法，解决了半监督学习算法中分配不一致、子任务不一致和时间不一致的问题。
3、本专利技术的上述技术问题主要是通过下述技术方案得以解决的：
4、一种应用于输电线路防外破监测系统的一致性教师学习模型，其特征在于，包括以下步骤：
5、步骤1，数据集与评估设置步骤：为验证一致性教师的
6、步骤2，ssod框架搭建步骤：以通用ssod范式作为基线，使教师模型保持为学生探测器的指数移动平均值，依次将步骤1的数据集中未标记的部分经过弱增强输入至教师模型中以生成伪标记，用伪标记监督学生网络，令相同未标记的样本强烈抖动，同时将少部分已标记的数据输入学生网络以提高学生网络的性能，将学生网络的目标设置为最小化损失；
7、步骤3，ssod不一致问题优化步骤：对于分配不一致问题，采用自适应样本分配取代基于iou的锚点分配，计算每个预测值和给定的真实值之间的匹配成本，并根据匹配成本进行分配，进而增强优化的一致性；对于子任务不一致问题，引用3d特征对称模块，自适应选择不同特征位置来完成每个子任务，以估计最佳回归特征点的偏移，使它们更好地与分类分支对齐；对于时间不一致问题，采用高斯混合模型，自适应调整阈值，该策略减轻了ssod中繁琐的超参数调整的需要，从而在不同的数据集和设置下实现了稳健的改进；
8、步骤4，模型训练步骤：将步骤1所述的数据集分为带标记的小型数据集与不带标记的大型数据集，先将带标记的小型数据集输入至步骤3获得的优化模型中进行初步训练，再输入不带标记的大型数据集，将输出的置信度较高的样本添加至带标记的数据集，通过上述方法循环训练；
9、步骤5，模型测试步骤：在步骤1所述的三种评估方式下，计算步骤3获得的优化模型的性能，将其与当下最先进方法的性能进行比较。
10、在上述的一种应用于输电线路防外破监测系统的一致性教师学习模型，所述步骤1中，设置三种评估方案，所述评估方案分别为：coco-partial、coco-addition和voc-partial。
11、在上述的一种应用于输电线路防外破监测系统的一致性教师学习模型，所述步骤5中，将其与当下最先进方法的性能进行比较，当下最先进方法为带有retinanet检测器的mean-teacher模型。
12、一种应用于输电线路防外破监测系统的一致性教师学习模型，其特征在于，包括解决ssod三种不一致问题的优化方法，用自适应样本分配解决分配不一致问题，用3d特征对称模块解决子任务不一致问题，用高斯混合模型解决时间不一致问题。
13、因此，本专利技术具有如下优点：1.采用ssod算法训练输电线路防外破监测系统，极大降低了学习成本，提高系统抗干扰能力与环境适应性；2.采用自适应样本分配、3d特征对称模块、高斯混合模型解决传统ssod中的不一致问题，提高算法的性能指标。
本文档来自技高网...【技术保护点】
1.一种应用于输电线路防外破监测系统的一致性教师学习模型，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种应用于输电线路防外破监测系统的一致性教师学习模型，其特征在于，所述步骤1中，设置三种评估方案，所述评估方案分别为：COCO-PARTIAL、COCO-ADDITION和VOC-PARTIAL。
【技术特征摘要】
1.一种应用于输电线路防外破监测系统的一致性教师学习模型，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种应用于输电线路防外破监测系统的一致...
【专利技术属性】
技术研发人员：王波，马恒瑞，马富齐，王红霞，罗鹏，张嘉鑫，王雷雄，刘萌，
申请(专利权)人：武汉大学，
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。