[发明专利]一种基于卷积神经网络的变电站属性分割方法

摘要

本发明公开了一种基于卷积神经网络的变电站属性分割方法，建立一个包含七类图像的变电站图像数据库，将图像进行构建属性表和手工标注语义分割，预训练、学习属性分类和属性分割卷积神经网络，再通过卷积神经网络对图像进行属性分类和属性分割。本发明提供的一种基于卷积神经网络的变电站属性分割方法，可以有效地预防和排除输电故障，保证供电的安全和畅通；同时，有效缓解人力监控的压力，达到真正意义上的智能监控。在建立变电站图像数据库上，进行了大量测试，结果表明本发明提出的基于深度卷积神经网络的新型技术具有非常高的实用性和可行性。

主权项

1.一种基于卷积神经网络的变电站属性分割方法，其特征在于：包括步骤如下：步骤一：构建数据库，通过提取监控视频资料的视频帧以及搜索互联网上相关图像，构建了一个专门的用于属性分割的图像库；所述图像分为七类属性，每幅图像至少包含一种属性；步骤二：构建属性表和手工标注语义分割，所述构建属性表根据每幅图像包含的属性类别，对每幅图像构建二值属性表，每张二值属性表包括七位数值，每位数值1代表有，0代表没有；所述手工标注语义分割根据每幅图像包含的每个属性，手工标注出该属性在图像中占据的所有像素点；步骤三：预训练属性分类卷积神经网络和属性分割卷积神经网络，为避免过拟合现象，在图片库ImageNet上预训练属性分类卷积神经网络和属性分割卷积神经网络模型，所述图片库ImageNet包括1000类不同的图像，所述属性分类卷积神经网络和属性分割卷积神经网络的第8层参数均设置为1000；步骤四：学习属性分类卷积神经网络，根据步骤二中构建的二值属性表对步骤三中预训练的属性分类卷积神经网络进行学习；步骤五：学习属性分割卷积神经网络，根据步骤二中手工标注的语义分割对步骤三中预训练的属性分割卷积神经网络进行学习；步骤六：利用属性分类卷积神经网络和属性分割卷积神经网络对图像进行属性分类和属性分割，包括如下步骤：6a：将属性分类卷积神经网络和属性分割卷积神经网络的第8层参数均设置为7；6b：在属性分割卷积神经网络的卷积层后面设置反卷积层，用于恢复待分割图像像素间的空间关系；6c：根据步骤四中学习的属性分类卷积神经网络模型，完成图像的属性分类任务，得到二值属性表；根据二值属性表，采用步骤五中学习的属性分割卷积神经网络模型，再将图像进行分割，得到二值属性表中每一类属性的图像像素分割结果。