[发明专利]用于连线线路监控的深度神经网络的训练方法

说明书

本申请提供了一种用于连线线路监控的深度神经网络的训练方法，其包括：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；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更新所述卷积神经网络。这样，通过深度神经网络提取出图像中的所有连线线路沿特定方向延伸的线条特征，从而基于所有线条特征是否平行延伸无交叉来对连线线路进行监控。

技术领域

本申请涉及人工智能技术领域，且更为具体地，涉及一种用于连线线路监控的深度神经网络的训练方法、基于深度神经网络的连线线路的监控方法、系统和电子设备。

背景技术

在大型的计算机机房内，由于计算机和其它辅助设备的数量大，因此在其间连线的各种线缆数目众多。如果这些线缆随意连接，则不仅会导致维护成本的增大，也可能存在安全隐患。现有常通过人工巡检的方式来检测机房内的连线线路是否整齐有序，但是，人工检查的方式一方面会增加人力成本，另一方面也容易导致人为误差。

因此，期望一种能够自动检测机房内在室内机房的所有连线线路均高效整齐有序地连接的技术方案。

目前，深度学习以及神经网络已经广泛应用于计算机视觉、自然语言处理、语音信号处理等领域。此外，深度学习以及神经网络在图像分类、物体检测、语义分割、文本翻译等领域，也展现出了接近甚至超越人类的水平。

深度学习尤其是神经网络的发展为解决自动检测机房内所有连线线路是否高效整齐有序连接的问题提供了新的解决思路和方案。

发明内容

为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种用于连线线路监控的深度神经网络的训练方法、基于深度神经网络的连线线路的监控方法、系统和电子设备，其通过深度神经网络提取出图像中的所有连线线路沿特定方向延伸的线条特征，从而基于所有线条特征是否平行延伸无交叉来对连线线路进行监控。

根据本申请的一个方面，提供了一种用于连线线路监控的深度神经网络的训练方法，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。

在上述用于连线线路监控的深度神经网络的训练方法中，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。

在上述用于连线线路监控的深度神经网络的训练方法中，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。