[发明专利]一种基于动态超分辨率的目标检测方法、输电线路部件检测方法及系统

权利要求书

1.一种基于动态超分辨率的目标检测方法，其特征在于：包括以下步骤：

步骤1：将待检测图像输送至动态超分模块自适应选择超分网络并进行图像超分处理；

其中，所述动态超分模块包括动态路径选择网络以及至少两个不同类型的超分网络，所述动态路径选择网络根据输入图像的特征自适应选择超分网络；

步骤2：将超分网络输出的图像输入训练好的目标检测模块得到目标检测结果；

所述目标检测模块的输入数据为图像，输出数据为图像上的目标检测结果。

2.一种基于动态超分辨率的输电线路部件检测方法，其特征在于：包括以下步骤：

步骤1：将输电线路图像输送至动态超分模块自适应选择超分网络并进行图像超分处理；

其中，所述动态超分模块包括动态路径选择网络以及至少两个不同类型的超分网络，所述动态路径选择网络根据输入图像的特征自适应选择超分网络；

步骤2：将超分网络输出的图像输入训练好的目标检测模块得到所述输电线路图像上的部件检测结果；

所述目标检测模块的输入数据为图像，输出数据为图像上的目标检测结果。

3.根据权利要求1或2所述的方法，其特征在于：所述动态超分模块中设有两个超分网络，一个超分网络为RFDN网络，另一个超分网络为SRCNN网络。

4.根据权利要求1或2所述的方法，其特征在于：所述动态超分模块和所述目标检测模块构成了目标检测网络，所述目标检测网络的训练过程分为预训练以及精调；

所述预训练过程为：

(1)收集原始图像以及对所述原始图像上的检测目标进行标注，进而构建出目标检测数据集，再利用所述目标检测数据集预训练目标检测模块的网络；

其中，将所述目标检测数据集的原始图像进行下采样得到下采样的图像；

(2)将步骤(1)中下采样后的图像输入预训练后的目标检测模块进行检测，其中，依据检测结果的置信度对所述图像进行分类；

(3)使用步骤(2)中分类图像预训练所述动态超分模块中的动态路径选择网络；

其中，设定分类图像的类别与超分网络类别的对应关系，所述动态路径选择网络的输入数据为图像，输出数据是每个超分网络的选择概率或选择结果；

(4)使用超分数据集预训练所述动态超分模块中的每个超分网络，其中，基于预设的超分倍数，所述超分网络采用超分数据集进行预训练得到超分网络的超分权重；

精调过程为：

基于训练后的目标检测模块和动态超分模块，并利用步骤(1)中下采样后的图像数据集或与所述待检测图像为同一类别的训练图像数据集、损失函数对所述目标检测网络进行精调得到基于动态超分辨率的目标检测模型。

5.根据权利要求4所述的方法，其特征在于：精调过程采用复合损失函数进行训练，所述复合损失函数如下所示：

式中，Loss表示复合损失值，Loss_SR代表动态超分模块损失，Loss_Det代表目标检测模块损失，α和β均为权重系数；

其中，所述动态超分模块损失采用均方误差损失函数，所述目标检测模块损失由锚框回归损失、分类损失以及置信度损失构成。

6.根据权利要求1或2所述的方法，其特征在于：所述动态路径选择网络由卷积层、平均池化层、全连接层以及Softmax层组成，所述动态路径选择网络输出每个超分网络的选择概率。

7.根据权利要求1或2所述的方法，其特征在于：所述目标检测模块是基于YOLOv5构建的目标检测模型，所述YOLOv5至少包括主干网络、颈部网络以及预测网络。