System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 目标检测方法及装置、存储介质及电子装置制造方法及图纸_技高网

目标检测方法及装置、存储介质及电子装置制造方法及图纸

技术编号:41364063 阅读:5 留言:0更新日期:2024-05-20 10:12
本申请公开了一种目标检测方法及装置、存储介质及电子装置,涉及目标检测领域,该目标检测方法包括:通过目标检测模型的主干网络对待进行目标检测的目标图像进行特征提取,得到N个特征映射,所述N个特征映射的尺度互不相同,N为大于或等于3的正整数,所述主干网络为移动网络MobileNet;通过所述目标检测模型的颈部对所述N个特征映射进行融合处理,得到N个特征图,所述目标检测模型的颈部中的多尺度上下文聚合MCA模块会在水平和垂直方向的通道对输入的数据进行编码;通过所述目标检测模型的头部,根据所述N个特征图确定所述目标图像中的目标的类别和位置。采用上述技术方案,解决了现有目标检测模型需要占用较多的计算资源的问题。

【技术实现步骤摘要】

本申请涉及目标检测领域,具体而言,涉及一种目标检测方法及装置、存储介质及电子装置


技术介绍

1、水是生命之源,电是社会发展之本。中国拥有世界上最丰富的水电资源,为全球发电做出了重要贡献。然而,随着水电设备和系统的容量和复杂性的不断增加,对水电站的建设、运行、维护和控制的要求也越来越高。当前的水电开发模式正逐步从以安全、稳定为主转向以灵活、有效、智能为主。利用智能技术建设、运行、维护和控制水电站已成为实现这一目标的主要途径。这种转变不仅对水电站的发展至关重要,而且代表了相关工业场景的当前和未来方向。

2、设备例行检查是电厂管理和运行维护的重要组成部分。它可以帮助管理人员和工程师了解电厂的运行状态,检测电气设备的潜在故障或异常状态,从而最大限度地降低安全风险,确保水电站的安全。然而,目前的检测方法存在人工检测工作环境复杂、检测效率低、错误率高等问题。传统的检验要求工程师使用纸质工作表来执行任务,这个过程很容易导致将巡检信息上传至管理系统的时间延迟。此外,在遇到复杂问题时,缺乏免提检查和远程协助,使检查更具挑战性。最后,检查员在培训和实际检查时往往难以理解水电设备的配置和工作过程,因为他们只能获得二维演示(例如图纸和规范)。这将导致进一步的检测延迟,降低检测效率和可靠性。

3、因此,在水电厂检测中引入增强现实(augmented reality,简称为ar)等先进的可视化和人机交互技术迫在眉睫。ar技术具有在物理空间中显示各种电气设备的状态、监控数据和维护信息的潜力。此外,3d虚拟对象与物理对象之间的关联可以通过物联网进行演示,使检查和维护更加高效和准确。

4、物体识别技术是ar在工程应用中不可缺少的组成部分,其目的是识别各种物体及其在空间中的位置。近年来,基于人工智能(artificial intelligence,简称为ai)的目标检测取得了重大进展,ai与ar的结合有望成为未来的关键方向。然而,高效探测器和ar技术在电厂智能检测和人员培训中的应用却很少。一个主要原因是ar设备有限的计算能力和内存使用使得直接在ar设备上部署高级检测器具有挑战性。

5、针对相关技术中,现有目标检测模型需要占用较多的计算资源的问题,目前尚未提出有效的解决方案。

6、因此,有必要对相关技术予以改良以克服相关技术中的所述缺陷。


技术实现思路

1、本申请实施例提供了一种目标检测方法及装置、存储介质及电子装置,以至少解决现有目标检测模型需要占用较多的计算资源的问题。

2、根据本申请实施例的一方面,提供一种目标检测方法,包括:通过目标检测模型的主干网络对待进行目标检测的目标图像进行特征提取,得到n个特征映射,其中,所述n个特征映射的尺度互不相同,n为大于或等于3的正整数,所述主干网络为移动网络mobilenet;通过所述目标检测模型的颈部对所述n个特征映射进行融合处理,得到n个特征图,其中,所述目标检测模型的颈部中的多尺度上下文聚合mca模块会在水平和垂直方向的通道对输入的数据进行编码;通过所述目标检测模型的头部,根据所述n个特征图确定所述目标图像中的目标的类别和位置。

3、在一个示例性的实施例中,在n等于3的情况下,通过所述目标检测模型的颈部对所述n个特征映射进行融合处理,得到n个特征图,包括:根据第一特征映射和第二特征映射得到第一特征图;根据所述第一特征图和第三特征映射得到第二特征图;根据所述第二特征图和所述第一特征映射得到第三特征图;其中,n个特征映射包括所述第一特征映射、所述第二特征映射、所述第三特征映射。

4、在一个示例性的实施例中,根据第一特征映射和第二特征映射得到第一特征图,包括:对所述第一特征映射进行卷积和上采样处理,得到第一中间特征映射;将所述第一中间特征映射和所述第二特征映射进行拼接,得到第二中间特征映射;通过所述mca模块对所述第二中间特征映射进行处理,得到所述第一特征图。

5、在一个示例性的实施例中,根据所述第一特征图和所述第三特征映射得到第二特征图,包括:将所述第一特征图进行上采样处理,得到第三中间特征映射;将所述第三中间特征映射和所述第三特征映射进行拼接;得到第四中间特征映射;通过所述mca模块对所述第四中间特征映射进行处理,得到所述第二特征图。

6、在一个示例性的实施例中,通过所述mca模块对所述第二中间特征映射进行处理,得到所述第一特征图,包括:通过所述mca模块在水平方向的通道对所述第二中间特征映射进行编码,得到第一水平特征映射,以及通过所述mca模块在垂直方向的通道对所述第二中间特征映射进行编码,得到第一垂直特征映射;将所述第一水平特征映射和所述第一垂直特征映射进行拼接,并将拼接后的特征映射进行卷积和激活处理,得到第五中间特征映射;在水平和垂直方向将所述第五中间特征映射分为第二水平特征映射和第二垂直特征映射;根据所述第二水平特征映射和所述第二垂直特征映射确定所述第一特征图。

7、在一个示例性的实施例中,根据所述第二水平特征映射和所述第二垂直特征映射确定所述第一特征图,包括:使用卷积算子将所述第二水平特征映射在水平方向上变换为第六中间特征映射、以及使用卷积算子将所述第二垂直特征映射在垂直方向上变换为第七中间特征映射,其中,所述第六中间特征映射和所述第七中间特征映射与所述第二中间特征映射的大小相同;使用激活函数对所述第六中间特征映射和所述第七中间特征映射进行激活处理,并将激活处理后的所述第六中间特征映射和所述第七中间特征映射进行拼接,得到所述第一特征图。

8、根据本申请实施例的另一方面,还提供了一种目标检测装置,包括:提取模块,用于通过目标检测模型的主干网络对待进行目标检测的目标图像进行特征提取,得到n个特征映射,其中,所述n个特征映射的尺度互不相同,n为大于或等于3的正整数,所述主干网络为移动网络mobilenet;处理模块,用于通过所述目标检测模型的颈部对所述n个特征映射进行融合处理,得到n个特征图,其中,所述目标检测模型的颈部中的多尺度上下文聚合mca模块会在水平和垂直方向的通道对输入的数据进行编码;确定模块,用于通过所述目标检测模型的头部,根据所述n个特征图确定所述目标图像中的目标的类别和位置。

9、根据本申请实施例的又一方面,还提供了一种计算机可读的存储介质,该计算机可读的存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述目标检测方法。

10、根据本申请实施例的又一方面,还提供了一种电子装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,上述处理器通过计算机程序执行上述目标检测方法。

11、根据本申请实施例的又一方面,还提供了一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时上述目标检测方法。

12、通过本申请,使用mobilenet作为目标检测模型的主干网络,进而减少了目标检测模型的计算量,解决了现有目标检测模型需要占用较多的计算资源的问题,此外,由本文档来自技高网...

【技术保护点】

1.一种目标检测方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,在N等于3的情况下,通过所述目标检测模型的颈部对所述N个特征映射进行融合处理,得到N个特征图,包括:

3.根据权利要求2所述的方法,其特征在于,根据第一特征映射和第二特征映射得到第一特征图,包括:

4.根据权利要求2所述的方法,其特征在于,根据所述第一特征图和所述第三特征映射得到第二特征图,包括:

5.根据权利要求3所述的方法,其特征在于,通过所述MCA模块对所述第二中间特征映射进行处理,得到所述第一特征图,包括:

6.根据权利要求5所述的方法,其特征在于,根据所述第二水平特征映射和所述第二垂直特征映射确定所述第一特征图,包括:

7.一种目标检测装置,其特征在于,包括:

8.一种计算机可读的存储介质,其特征在于,所述计算机可读的存储介质包括存储的程序,其中,所述程序运行时执行权利要求1至6中任一项所述的方法。

9.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为通过所述计算机程序执行权利要求1至6中任一项所述的方法。

10.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法。

...

【技术特征摘要】

1.一种目标检测方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,在n等于3的情况下,通过所述目标检测模型的颈部对所述n个特征映射进行融合处理,得到n个特征图,包括:

3.根据权利要求2所述的方法,其特征在于,根据第一特征映射和第二特征映射得到第一特征图,包括:

4.根据权利要求2所述的方法,其特征在于,根据所述第一特征图和所述第三特征映射得到第二特征图,包括:

5.根据权利要求3所述的方法,其特征在于,通过所述mca模块对所述第二中间特征映射进行处理,得到所述第一特征图,包括:

6.根据权利要求5所述的方法,...

【专利技术属性】
技术研发人员:伊然杨紫阳刘瞳昌张志高赵利锋王永治付寅亮何战勇杨定祥龚登位王远洪韦杰文金威曾令龙李元
申请(专利权)人:华能澜沧江水电股份有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1