[发明专利]模型训练方法、铁路接触网异常检测方法及相关装置

权利要求书

1.一种模型训练方法，其特征在于，包括：

获取初始训练图像和对应的初始训练标签；

识别并裁剪所述初始训练标签在所述初始训练图像中对应的标签图像；

将若干个类别的所述标签图像分别进行数据增强，得到增强图像；其中，各个类别对应的所述标签图像和所述增强图像的数量之和相同；

针对每个所述初始训练图像，获取对应的若干个目标标签图像和/或目标增强图像，并利用所述目标标签图像和/或目标增强图像对所述初始训练图像进行叠加，得到对应的训练图像；

生成所述训练图像对应的训练标签，并利用所述训练图像和所述训练标签对初始模型进行训练，得到图像处理模型。

2.根据权利要求1所述的模型训练方法，其特征在于，所述将若干个类别的所述标签图像分别进行数据增强，包括：

确定各个类别的所述标签图像对应的图像数量，并利用所述图像数量确定最大图像数量；

将目标类别下的所述标签图像进行数据增强，以便所述目标类别下的所述目标图像和所述增强图像的数量之和为所述最大图像数量；其中，所述目标类别为图像数量小于最大图像数量的类别。

3.根据权利要求1所述的模型训练方法，其特征在于，所述生成所述训练图像对应的训练标签，包括：

从每个所述初始训练图像对应的所述目标标签图像和/或目标增强图像中确定若干个待标记图像；

利用所述待标记图像的类别和位置信息，以及所述初始训练图像对应的所述初始训练标签生成所述训练标签。

4.根据权利要求1所述的模型训练方法，其特征在于，所述利用所述训练图像和所述训练标签对初始模型进行训练，得到图像处理模型，包括：

将所述训练图像输入所述初始模型，得到预测结果；

利用所述预测结果和所述训练标签计算焦点损失值，并基于所述焦点损失值对所述初始模型进行参数调节；

若检测到满足训练完成条件，则将参数调节后的初始模型确定为所述图像处理模型。

5.根据权利要求4所述的模型训练方法，其特征在于，所述初始模型具有在线难例挖掘机制，所述方法还包括：

基于所述在线难例挖掘机制判断所述预测结果对应的训练图像是否为重训练图像；

若是，则利用所述重训练图像对所述初始模型进行重复训练。

6.根据权利要求4所述的模型训练方法，其特征在于，所述基于所述在线难例挖掘机制判断所述预测结果对应的训练图像是否为重训练图像，包括：

判断所述预测结果对应的焦点损失值是否大于预设阈值；

若大于所述预设阈值，则确定所述训练图像为所述重训练图像。

7.根据权利要求4所述的模型训练方法，其特征在于，所述初始模型具有软非极大值抑制机制；

所述方法还包括：

基于所述软非极大值抑制机制，对所述预测结果进行候选框冗余去除处理，得到所述预测结果对应的预测候选框。

8.根据权利要求1所述的模型训练方法，其特征在于，所述利用所述目标标签图像和/或目标增强图像对所述初始训练图像进行叠加，得到对应的训练图像，包括：

分别对所述目标标签图像和/或目标增强图像进行分辨率调节处理，得到处理后图像；

将所述处理后图像叠加至所述初始训练图像上，得到对应的训练图像。

9.一种铁路接触网异常检测方法，其特征在于，包括：

获取待测图像；

将所述待测图像输入图像处理模型，得到异常检测结果；其中，所述图像处理模型基于如权利要求1至8任一项所述的模型训练方法得到。