【技术实现步骤摘要】
本专利技术涉及图像质量评估领域，具体是一种基于图像质量评估的深度学习增强模型更新方法及系统。
技术介绍
1、电力系统是国家基础设施的重要组成部分，其安全稳定运行依赖于高效的设备巡检技术。近年来，随着无人机、机器人等智能巡检设备的广泛应用，电力巡检逐渐从人工模式转向自动化、智能化模式。然而，电力设备的巡检图像常因复杂环境出现模糊、低对比度或噪声干扰等问题，直接影响后续故障检测的准确性。同时，随着深度学习技术在图像增强领域的广泛应用，现有的深度学习模型在训练和实际使用场景之间往往存在显著的差异，这是因为训练时使用的数据集与实际应用场景中的图像分布不一致，从而导致模型的泛化性能不足。
2、为了解决这一问题，历年研究主要聚焦于静态图像增强算法和固定参数的深度学习模型。例如，基于卷积神经网络（cnn）的增强模型通过端到端训练提升图像质量，但其权重在部署后固定，无法根据实际场景动态调整；而引入强化学习的自适应方法虽能部分解决泛化问题，但依赖人工设计的奖励函数和大量试错成本，效率较低。此外，现有技术多依赖人工标注的“真实值”作为优化目标，...
【技术保护点】
1.一种基于图像质量评估的深度学习增强模型更新方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述辅助模块包括锁定副本和可训练副本，锁定副本用于复制图像增强模型的结构和权重，参数在训练过程中固定不变，保留图像增强模型的生成能力；可训练副本与图像增强模型结构相同，参数可微调，通过额外条件生成控制信号以动态调整生成策略。
3.根据权利要求2所述的方法，其特征在于，所述可训练副本通过额外条件生成控制信号，具体包括：
4.根据权利要求1所述的方法，其特征在于，图像增强模型的损失函数为像素级损失或感知损失，引入条件...
【技术特征摘要】
1.一种基于图像质量评估的深度学习增强模型更新方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述辅助模块包括锁定副本和可训练副本，锁定副本用于复制图像增强模型的结构和权重，参数在训练过程中固定不变，保留图像增强模型的生成能力；可训练副本与图像增强模型结构相同，参数可微调，通过额外条件生成控制信号以动态调整生成策略。
3.根据权利要求2所述的方法，其特征在于，所述可训练副本通过额外条件生成控制信号，具体包括：
4.根据权利要求1所述的方法，其特征在于，图像增强模型的损失函数为像素级损失或感知损失，引入条件感知交叉熵损失函数形成混合损失函数：
5.根据权利要求1所述的方法，其特征在于，所述将增强后的图像输入图像质量评估模型，输出质量得分及文本描述，包括：
6.根据权利要求1所述的方法...
【专利技术属性】
技术研发人员：蔡超，杨宁，刘壮，裴炎坤，魏学备，陈鹤冲，张一帆，刘厚轩，
申请(专利权)人：国网湖北省电力有限公司，
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。