[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

说明书

本申请公开了模型训练方法、铁路接触网异常检测方法、装置、电子设备及计算机可读存储介质，该模型训练方法包括：获取初始训练图像和对应的初始训练标签；识别并裁剪初始训练标签在初始训练图像中对应的标签图像；将若干个类别的标签图像分别进行数据增强，得到增强图像；其中，各个类别对应的标签图像和增强图像的数量之和相同；针对每个初始训练图像，获取对应的若干个目标标签图像和/或目标增强图像，并利用目标标签图像和/或目标增强图像对初始训练图像进行叠加，得到对应的训练图像；生成训练图像对应的训练标签，并利用训练图像和训练标签对初始模型进行训练，得到图像处理模型；该方法得到的图像处理模型具有较强的识别能力和准确性。

技术领域

本申请涉及图像处理技术领域，特别涉及模型训练方法、铁路接触网异常检测方法及相关装置。

背景技术

高速铁路接触网用于为列车行驶提供动力，其运行状态直接影响高速铁路的正常运行。为保证接触网正常工作，铁路相关部门采用多种方式对接触网进行巡检，以及时开展检修工作。当前通常采用检修车等装备对接触网进行非接触式图像采集，然后利用网络模型对采集到的图像进行异常检测。然而，铁路接触网图像中异常部分尺寸较小，占整张图像的比例较小，使得模型无法有效学习到异常部分的特征；接触网出现异常的概率较低，使得训练图像数量少；各类异常存在类别间的数据量差异现象，即各类别异常的数量差异较大。这使得网络模型的识别准确率较差。

发明内容

有鉴于此，本申请的目的在于提供模型训练方法、铁路接触网异常检测方法及相关装置，使得图像处理模型具有较强的识别能力和准确性。

为解决上述技术问题，本申请提供了一种模型训练方法，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。

可选地，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。

可选地，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。

可选地，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。

可选地，所述初始模型具有在线难例挖掘机制，所述方法还包括：