[发明专利]一种基于深度学习的红外图像电力设备实时检测方法在审
| 申请号： | 201710676658.8 | 申请日： | 2017-08-09 |
| 公开（公告）号： | CN107563412A | 公开（公告）日： | 2018-01-09 |
| 发明（设计）人： | 姚祺;龚小谨;林颖 | 申请（专利权）人： | 浙江大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04 |
| 代理公司： | 杭州求是专利事务所有限公司33200 | 代理人： | 林超 |
| 地址： | 310058 浙江*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的红外图像电力设备实时检测方法。采集多幅包含已知电力设备的红外图像，每幅红外图像均已标示目标框，目标框是含有单个已知电力设备的图像区域，每幅红外图像均具有设备级标签；将红外图像及其对应的设备级标签输入到电力设备检测神经网络中，利用带动量的SGD算法训练电力设备检测神经网络；采用训练后的电力设备检测神经网络对未知待测图像进行处理，获得未知待测图像中电力设备的位置和种类的检测结果。本发明方法和传统的红外图像电力设备检测方法相比，得到了更好的性能，同时能够达到实时的处理速度。 | ||
| 搜索关键词： | 一种 基于 深度 学习 红外 图像 电力设备 实时 检测 方法 | ||
【主权项】：
一种基于深度学习的红外图像电力设备实时检测方法，其特征是，包括如下步骤：(1)采集多幅包含已知电力设备的红外图像I，每幅红外图像I均已标示目标框，目标框是含有单个已知电力设备的图像区域，每幅红外图像I均具有设备级标签，设备级标签为[ci,xi,yi,θi,wi,hi]，其中i表示目标框的序号，ci表示目标框内所包含设备的类别，xi,yi分别表示目标框中心点的x坐标和y坐标，θi,wi,hi分别表示目标框的倾斜角、宽度和高度；(2)将图像I及其对应的设备级标签输入到电力设备检测神经网络中，利用带动量(momentum)的SGD算法训练电力设备检测神经网络；(3)采用训练后的电力设备检测神经网络对未知待测图像进行处理，获得未知待测图像中电力设备的位置和种类的检测结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于浙江大学，未经浙江大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710676658.8/，转载请声明来源钻瓜专利网。
