[发明专利]一种基于深度神经网络的电力设备红外图像语义分割方法有效
| 申请号： | 201710676666.2 | 申请日： | 2017-08-09 |
| 公开（公告）号： | CN107564025B | 公开（公告）日： | 2020-05-29 |
| 发明（设计）人： | 王梦琳;龚小谨;林颖 | 申请（专利权）人： | 浙江大学 |
| 主分类号： | G06T7/12 | 分类号： | G06T7/12;G06T7/194;G06T5/00;G06N3/04;G06N3/08 |
| 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神经网络的电力设备红外图像语义分割方法。采集电力设备红外图像，构成图像语义分割数据集并分为多部分，每个部分的图像数量相同，从图像语义分割数据集中选取一部分作增强预处理；处理获得语义分割结果图；比较后用交叉熵计算预测误差，然后使用随机梯度下降算法在基于DeepLab的深度卷积网络中对预测误差进行反向传播，更新基于DeepLab的深度卷积网络的网络参数值，迭代更新训练获得最终语义分割结果图，最后选择使用全连接的条件随机场进行后处理优化。本发明充分利用大量数据进行训练和学习出图像的本质特征，与以往的电力设备检测与分割方法相比，取得了更好的分割性能与结果。 | ||
| 搜索关键词： | 一种 基于 深度 神经网络 电力设备 红外 图像 语义 分割 方法 | ||
【主权项】：
一种基于深度神经网络的电力设备红外图像语义分割方法，其特征是，包括如下步骤：(1)采集一系列已知像素级标签的电力设备红外图像，构成图像语义分割数据集；(2)将图像语义分割数据集随机分为多部分，每个部分的图像数量相同；(3)从图像语义分割数据集中选取一部分，对其中的图像进行数据增强的预处理；(4)对于预处理后的图像输入基于DeepLab的深度卷积网络进行处理获得语义分割结果图；(5)将语义分割结果图与图像原有已知的像素级标签进行比较，用交叉熵计算预测误差，然后使用随机梯度下降算法在基于DeepLab的深度卷积网络中对预测误差进行反向传播，更新基于DeepLab的深度卷积网络的网络参数值；(6)重复步骤(3)‑(5)对基于DeepLab的深度卷积网络进行迭代更新，每次进行步骤(3)时从数据集中选取不同一部分，直至最大迭代次数完成训练；(7)采用步骤(6)训练获得的分割网络对未知像素级真值标签的待测图像进行处理，获得最终语义分割结果图；(8)选择使用全连接的条件随机场进行后处理，对最终语义分割结果图进行平滑和边缘的优化。
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/201710676666.2/，转载请声明来源钻瓜专利网。
