[发明专利]用于连线线路监控的深度神经网络的训练方法

权利要求书

1.一种用于连线线路监控的深度神经网络的训练方法，其特征在于，包括：

获取包含连线线路图像的训练图像集；

对所述训练图像集中各所述连线线路图像，以所述连线线路图像中各连线的延伸方向进行裁剪以获得多个连线线路子图像，其中，在每个所述连线线路子图像中所述连线占整体图像面积的比例大于预定阈值；

将所述多个连线线路子图像进行拼接以获得拼接连线线路图像，以获得拼接训练图像集；

将所述拼接训练图像集输入卷积神经网络以获得分类特征图；

将所述分类特征图通过分类函数以获得分类损失函数值；以及

基于所述分类损失函数值更新所述卷积神经网络。

2.根据权利要求1所述的用于连线线路监控的深度神经网络的训练方法，对所述训练图像集中各所述连线线路图像，以所述连线线路图像中各连线的延伸方向进行裁剪以获得多个连线线路子图像，包括：

以所述连线线路图像的横向对各所述连线线路图像进行裁剪，以获得所述多个连线线路子图像。

3.根据权利要求2所述的用于连线线路监控的深度神经网络的训练方法，其中，将所述多个连线线路子图像进行拼接以获得拼接连线线路图像，以获得拼接训练图像集，包括：

将所述多个连线线路子图像中各所述连线线路子图像调整为统一尺寸；

将调整为统一尺寸的所述多个连线线路子图像进行拼接，以获得所述拼接连线线路图像。

4.根据权利要求1所述的用于连线线路监控的深度神经网络的训练方法，进一步包括：

计算所述分类特征图与预标注标签图之间的交叉熵损失函数值，其中，所述预标注标签图表示所述连线线路图像中各所述连线的像素是否处于用于固定各所述连线的固定装置的固定槽内；

其中，基于所述分类损失函数值更新所述卷积神经网络，包括：

基于所述交叉熵损失函数值和所述分类损失函数值更新所述卷积神经网络。

5.根据权利要求2所述的用于连线线路监控的深度神经网络的训练方法，其中，在所述训练图像集中，所述连线线路图像中用于固定各所述连线的固定装置的固定槽以候选框的形式标记；

其中，计算所述分类特征图与预标注标签图之间的交叉熵损失函数，包括：

获取所述连线线路图像中各所述连线的像素是否位于所述候选框内的标签信息，其中，当所述连线的像素位于所述候选框内时，对应像素的标签值为1，当所述连线的像素不位于所述候选框内时，对应像素的标签值为0；以及

基于所述连线线路图像的标签信息生成标签图以作为所述预标注标签图。

6.根据权利要求5所述的用于连线线路监控的深度神经网络的训练方法，进一步包括：将所述训练图像集中各所述连线线路图像通过候选框提取网络以获得具有候选框的所述连线线路图像，所述候选框用于标识所述固定装置的固定槽。

7.一种基于深度神经网络的连线线路的监控方法，其特征在于，包括：

获取待监控的包含连线线路的待监控图像；以及

将所述待监控图像输入如权利要求1到6中任意一项所述的用于连线线路监控的深度神经网络的训练方法训练好的卷积神经网络以获得分类结果，所述分类结果用于表示所述连线线路是否整齐有序。