[发明专利]一种基于深度学习的高压机柜开关检测方法

权利要求书

1.一种基于深度学习的高压机柜开关检测方法，用于电厂高压机柜开关目标的检测，其特征在于，包括以下步骤：

1)读入一幅任意大小的待检测电厂开关机柜图像，并采用卷积神经网络生成该图像的共享特征图；

2)以共享特征图作为目标区域预提取网络的特征图，并获取目标位置预提取框；

3)将目标位置预提取框在待检测电厂开关机柜图像上的对应范围作为目标预提取区域；

4)在目标预提取区域内，以共享特征图作为检测网络的特征图进行检测，最终完成高压机柜开关目标的检测。

2.根据权利要求1所述的一种基于深度学习的高压机柜开关检测方法，其特征在于，所述的目标区域预提取网络和检测网络采用同一个卷积神经网络提取图像特征，共享特征图通过该卷积神经网络的共享卷积层获取。

3.根据权利要求1所述的一种基于深度学习的高压机柜开关检测方法，其特征在于，所述的步骤2)具体包括以下步骤：

21)在目标区域预提取网络中，采用划窗在共享特征图上划取区域；

22)将划取后的区域经过两层的卷积层后转化为向量；

23)将转化后的向量送入Softmax分类器和Bbox位置回归层，得到目标位置预提取框的位置及对应的分类得分，并根据得分对所有目标位置预提取框进行由高到低排序，并选择其中前k个目标位置预提取框。

4.根据权利要求1所述的一种基于深度学习的高压机柜开关检测方法，其特征在于，所述的步骤4)具体包括以下步骤：

41)根据目标位置预提取框在共享特征图上选取特征区域；

42)检测网络的池化层对特征区域进行采样，并将其放缩至固定大小；

43)固定大小的特征经过两层的全卷积网络后得到目标预提取区域的更高维特征，并将其转化为一维的特征向量；

44)将该一维的特征向量送入Softmax分类器进行分类以及Bbox层进行目标位置矫正，从而得到目标的位置和相应类别的得分；

45)将目标的位置和相应类别映射到待检测电厂开关机柜图像中，在待检测电厂开关机柜图像中画出预测框并且标出目标所属类别标签。

5.根据权利要求1所述的一种基于深度学习的高压机柜开关检测方法，其特征在于，所述的卷积神经网络、目标区域预提取网络和检测网络均按照损失函数L({p_i},{t_i})训练目标，所述的损失函数表达式为：

其中，i为目标区域预提取框的索引，p_i为预提取框i为目标的预测概率，若此预测框为正样本，则GT标签为1，若预测框为负样本，则GT标签为0，t_i为一向量，表示预测的矩形框的4个参数化坐标，为与正样本预测框对应的GT矩形框的坐标向量，L_cls为分类损失，L_reg为回归损失，N_cls为mini-batch的大小，N_reg为为总的目标区域预提取框数目。

6.根据权利要求5所述的一种基于深度学习的高压机柜开关检测方法，其特征在于，所述的分类损失为目标与非目标的对数损失，则有：

回归损失L_reg的表达式为：

7.根据权利要求2所述的一种基于深度学习的高压机柜开关检测方法，其特征在于，所述的步骤43)中，全卷积检测网络采用1×1的卷积核。