【技术实现步骤摘要】
本专利技术属于图像处理领域，具体涉及基于视觉大模型的高分辨率图像处理方法及相关系统。
技术介绍
1、随着电力无人机在电力线路及设备巡视中的大规模应用，对巡检图像的智能分析、目标检测和缺陷隐患识别等任务的要求不断提高。这就要求能够快速、准确地处理高分辨率图像，并从中提取有用信息，确保巡检效率和安全性。
2、近年来，视觉大模型的出现，如视觉模型vit（vision transformer）和自注意力模型swin transformer，为图像目标检测和分类等任务提供了全新的思路和方法。这些模型通过自注意力机制和分层特征提取，不仅提升了模型的语义理解能力，同时也为高分辨率图像处理提供了可能。
3、除了电力行业，视觉大模型在其他高分辨率图像应用领域（如卫星图像、医学影像等）中也显示出巨大潜力，因此对其性能优化和适应性提升具有重要实际意义。
4、vit将图像划分为固定尺寸的图像块patch，通过自注意力机制对图像块patch进行处理。尽管在低分辨率（如224×224）图像上效果良好，但当图像分辨率增大时，计算复...
【技术保护点】
1.基于视觉大模型的高分辨率图像处理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于视觉大模型的高分辨率图像处理方法，其特征在于，将输入的图像进行分块，将分块后的图像进行转码映射，得到第一特征图的具体方法如下：
3.根据权利要求1所述的基于视觉大模型的高分辨率图像处理方法，其特征在于，对第一特征图进行层归一化处理，得第二特征图的具体方法如下：
4.根据权利要求1所述的基于视觉大模型的高分辨率图像处理方法，其特征在于，根据预设的尺寸，将第二特征图划分为若干小块，对每个小块进行局部自注意力计算，得到第三特征图的具体方法如下
5....
【技术特征摘要】
1.基于视觉大模型的高分辨率图像处理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于视觉大模型的高分辨率图像处理方法，其特征在于，将输入的图像进行分块，将分块后的图像进行转码映射，得到第一特征图的具体方法如下：
3.根据权利要求1所述的基于视觉大模型的高分辨率图像处理方法，其特征在于，对第一特征图进行层归一化处理，得第二特征图的具体方法如下：
4.根据权利要求1所述的基于视觉大模型的高分辨率图像处理方法，其特征在于，根据预设的尺寸，将第二特征图划分为若干小块，对每个小块进行局部自注意力计算，得到第三特征图的具体方法如下：
5.根据权利要求4所述的基于视觉大模型的高分辨率图像处理方法，其特征在于，对每个小块进行局部自注意力计算的具体方法如下：
6.根据权利要求1所述的基于视觉大模型的高分辨率图像处理方法，其特征在于，对第四特征图的各个特征进行处理，捕获各位特征之间的相互关系，形成第五特征图的具体方法如下：
7.根据权利要求1所述的基于视觉大模型的高分辨率图像处理方法，其特征在于，形成第五特征图后，将第五特征图重新进行层归一化处理，直至得到能够作为最终特征图的第五特征图。
8.根据权利要求1所述的基于视觉大模型的高分辨率图像处理方法，其特征在于，将第五特征图作为最终特征图根据预设的所需信息进行检测，得到最终特征图的检测结果时，最终特征图的检测结果包括...
【专利技术属性】
技术研发人员：陈江琦，王博，张希，张国梁，周飞，石聪聪，王进，
申请(专利权)人：中国电力科学研究院有限公司，
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。