[发明专利]高压线路鸟巢检测方法、模型训练方法、装置及设备

权利要求书

1.一种高压线路鸟巢检测方法，其特征在于，所述方法包括：

获取高压线路的待检测图像；

利用已训练的目标鸟巢检测模型对所述待检测图像进行鸟巢检测；

其中，所述目标鸟巢检测模型是根据预先设置的多组互不交互的对象查询，通过初始鸟巢检测模型对带有鸟巢标签的训练样本进行鸟巢检测，得到与各组所述对象查询对应的多组预测结果后，根据所述多组预测结果以及相应的鸟巢标签进行训练得到的。

2.根据权利要求1所述的方法，其特征在于，所述目标鸟巢检测模型的训练过程如下：

获取带有鸟巢标签的样本图像集；

基于所述样本图像集，对初始的鸟巢检测模型进行迭代训练，得到已训练的目标鸟巢检测模型；其中，在每次训练过程中，执行以下操作：

通过所述鸟巢检测模型，结合预先设置的多组互不交互的对象查询，对样本图像进行鸟巢检测，得到多组预测结果，所述对象查询用于参数学习以对应输出所述预测结果；

根据所述多组预测结果以及相应的鸟巢标签，对所述鸟巢检测模型进行参数优化。

3.根据权利要求2所述的方法，其特征在于，在通过所述鸟巢检测模型，结合预先设置的多组互不交互的对象查询，对样本图像进行鸟巢检测，得到多组预测结果的过程中，所述鸟巢检测模型用于：

获取所述样本图像的特征图和所述特征图中各像素点的位置信息；

对所述特征图和所述位置信息进行编码，得到全局编码特征；

结合所述多组互不交互的对象查询，对所述全局编码特征进行解码，得到全局解码特征；

对所述全局解码特征进行预测，得到多组预测结果。

4.根据权利要求2所述的方法，其特征在于，所述根据所述多组预测结果以及相应的鸟巢标签，对所述鸟巢检测模型进行参数优化，包括：

针对每组预测结果，将所述预测结果中所有预测目标与相应的鸟巢标签中所有真实目标进行二分图匹配，得到各组所述预测结果对应的正例目标；

结合各组所述正例目标和所述真实目标，获取目标损失值，并根据所述目标损失值对所述鸟巢检测模型进行参数优化。

5.根据权利要求2所述的方法，其特征在于，所述获取带有鸟巢标签的样本图像集，包括：

获取初始样本图像集；

对所述初始样本图像集中鸟巢进行位置和类别标注，得到标注样本图像集；

对所述标注样本图像集进行数据扩展，得到所述带有鸟巢标签的样本图像集，所述数据扩展方法采用翻转、颜色空间变换、裁剪、旋转、锐化、模糊和混合中的至少一种。

6.一种高压线路鸟巢检测模型训练方法，其特征在于，所述方法包括：

获取带有鸟巢标签的样本图像集；

基于所述样本图像集，对初始的鸟巢检测模型进行迭代训练，得到已训练的目标鸟巢检测模型；其中，在每次训练过程中，执行以下操作：

通过所述鸟巢检测模型，结合预先设置的多组互不交互的对象查询，对样本图像进行鸟巢检测，得到与各组所述对象查询对应的多组预测结果，所述对象查询用于参数学习以对应输出所述预测结果；

根据所述多组预测结果以及相应的鸟巢标签，对所述鸟巢检测模型进行参数优化。

7.一种高压线路鸟巢检测装置，其特征在于，所述装置包括：

获取模块，用于获取高压线路的待检测图像；

检测模块，用于利用已训练的目标鸟巢检测模型对所述待检测图像进行鸟巢检测；

其中，所述目标鸟巢检测模型是根据预先设置的多组互不交互的对象查询，通过初始鸟巢检测模型对带有鸟巢标签的训练样本进行鸟巢检测，得到与各组所述对象查询对应的多组预测结果后，根据所述多组预测结果以及相应的鸟巢标签进行训练得到的。

8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述的高压线路鸟巢检测方法或权利要求6所述的高压线路鸟巢检测模型训练方法的步骤。