【技术实现步骤摘要】
本专利技术涉及图像处理，尤其涉及一种电力视觉大模型的样本库构建方法、装置、设备及介质。
技术介绍
1、ai大模型通常需要处理大量、复杂的数据，以实现高性能和准确度。而作为图像识别技术中的关键环节，数据集的质量和规模对于模型的训练和性能的提升至关重要。图像识别数据集是指用于训练和测试图像识别模型的数据集合，数据集通常具有以下几个关注点：第一，数据集的大小和质量：一个好的数据集应该具有足够大的规模和高质量的图像数据。只有这样才能够保证模型能够接触到更多的场景和更复杂的图像，从而提高其准确性和泛化能力。第二，数据集中图像的类别和分布：不同类别和分布的图像对于模型的训练和测试都有着不同的影响。
2、从电力行业领域的无人机巡检获取的电力线路图像通常具备数据质量低、类别分布不均衡、数据集的标注数据量巨大等问题，无法直接作为电力视觉大模型的样本。在进行电力视觉大模型的训练之前，需要对图像进行一定的类别平衡和扩充，这对电力视觉大模型的效果准确性和泛化能力提升至为重要。
技术实现思路
1、本专利技术提供了一种电力视觉大模型的样本库构建方法、装置、设备及介质，以扩充电力视觉大模型的样本数量，并平衡样本类别。
2、根据本专利技术的一方面，提供了一种电力视觉大模型的样本库构建方法，包括：
3、通过检测模型对巡检图像进行检测得到第一分割样本集；
4、根据所述第一分割样本集对通用图像分割模型进行微调训练，得到专用检测分割模型；
5、对所述专用检测分割
6、迭代优化完成后，根据所述专用检测分割模型对稀缺类样本进行分割和粘贴得到所述稀缺类样本的扩充样本。
7、根据本专利技术的另一方面，提供了一种电力视觉大模型的样本库构建装置，包括：
8、分割样本获取模块，用于通过检测模型对巡检图像进行检测得到第一分割样本集；
9、通用模型微调模块，用于根据所述第一分割样本集对通用图像分割模型进行微调训练，得到专用检测分割模型；
10、专用模型优化模块，用于对所述专用检测分割模型进行迭代优化；
11、稀缺样本扩充模块，用于迭代优化完成后，根据所述专用检测分割模型对稀缺类样本进行分割和粘贴得到所述稀缺类样本的扩充样本。
12、根据本专利技术的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据本专利技术任一实施例所述的电力视觉大模型的样本库构建方法。
13、根据本专利技术的另一方面，提供了一种电子设备，所述电子设备包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例所述的电力视觉大模型的样本库构建方法。
14、根据本专利技术的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的电力视觉大模型的样本库构建方法。
15、本专利技术实施例提出多检测模型与专用检测分割模型混合检测系统，实现多模型互补，持续迭代提升专用检测分割模型性能，实现专用检测分割模型、分割数据集的高效研发；同时借助高性能专用检测分割模型，进行高效和准确的稀缺目标分割和粘贴，提高样本扩充效率，大幅度增加扩充样本的数量，使其满足算法鲁棒性的要求。
16、应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
本文档来自技高网...【技术保护点】
1.一种电力视觉大模型的样本库构建方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述通过检测模型对巡检图像进行检测得到第一分割样本集包括：
3.根据权利要求2所述的方法，其特征在于，所述对所述专用检测分割模型进行迭代优化包括：
4.根据权利要求3所述的方法，其特征在于，所述根据所述第二检测结果对所述第三检测结果进行补全包括：
5.根据权利要求1所述的方法，其特征在于，所述根据所述专用检测分割模型对稀缺类样本进行分割和粘贴得到所述稀缺类样本的扩充样本包括：
6.根据权利要求5所述的方法，其特征在于，所述将所述稀缺目标粘贴至所述背景图，得到稀缺类样本的扩充样本之前，还包括：
7.根据权利要求1-6任一项所述的方法，其特征在于，所述检测模型的检测目标包括图像中的缺陷和设备。
8.根据权利要求7所述的方法，其特征在于，所述专用检测分割模型的检测分割目标包括图像中的缺陷和设备。
9.根据权利要求8所述的方法，其特征在于，所述方法还包括：
10.根据权利要
11.一种电力视觉大模型的样本库构建装置，其特征在于，所述装置包括：
12.根据权利要求11所述的装置，其特征在于，所述分割样本获取模块包括：
13.一种电子设备，其特征在于，所述电子设备包括：
14.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-10中任一项所述的电力视觉大模型的样本库构建方法。
...【技术特征摘要】
1.一种电力视觉大模型的样本库构建方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述通过检测模型对巡检图像进行检测得到第一分割样本集包括：
3.根据权利要求2所述的方法，其特征在于，所述对所述专用检测分割模型进行迭代优化包括：
4.根据权利要求3所述的方法，其特征在于，所述根据所述第二检测结果对所述第三检测结果进行补全包括：
5.根据权利要求1所述的方法，其特征在于，所述根据所述专用检测分割模型对稀缺类样本进行分割和粘贴得到所述稀缺类样本的扩充样本包括：
6.根据权利要求5所述的方法，其特征在于，所述将所述稀缺目标粘贴至所述背景图，得到稀缺类样本的扩充样本之前，还包括：
7.根据权利要求1-6任一项所述的方法，其特征在于，所述检测模...
【专利技术属性】
技术研发人员：刘广秀，邱玲，李振宇，王琦，王万国，任佳颖，郝玉振，郭锐，袁弘，许荣浩，邢海文，戈宁，张伟，薛凯文，王正，
申请(专利权)人：国网智能科技股份有限公司，
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。