CN114724006B 一种用于输电工程安全建设的图像识别方法和系统 （国网山东省电力公司经济技术研究院）

XingkuiZhu,ShuchangLyu,XuWang,QiZhao.TPH-YOLOv5:IonTransformerPredictionHeadforConferenceonComputerVision一种用于输电工程安全建设的图像识别方本发明提出了一种用于输电工程安全建设入transformer模块，并在特征融合层内增加跳的连接方式，加强了图像全局和局部的依赖关2获取输电场景下的烟火隐患图像数据，并将所述烟火隐患图像数构建用于图像识别的检测网络YOLOV5；所述检测网络YOLOV5在SPPF结构后加入将所述训练集数据预处理后输入检测网络YOLOV5，完成对烟火隐患图采用训练后的检测模型对所述测试集数据进行测试，经过测试之采用Mosaic进行数据增强，用随机缩放、随机裁剪或者随机排布的方7.一种用于输电工程安全建设的图像识别所述获取模块用于获取输电场景下的烟火隐患图像数据，并将所述烟按预设比例划分为训练集和测试集；所述构建模块用于构建用于图像识别的检测网络YOLOV5；所述检测网络YOL所述训练模块用于将所述训练集数据预处理后输入检测网络YOLOV53所述测试模块用于采用训练后的检测模型对所述测试集数据进行测试4[0008]构建用于图像识别的检测网络YOLOV5；所述检测网络YOLOV5在SPPF结构后加入5技术方案中的一个技术方案具有如下优点或有和测试集；构建用于图像识别的检测网络YOLOV5；检测网络YOLOV5在SPPF结构后加入输电工程安全建设的图像识别方法，还提出了一种用于输电工程安全建设的图像识别系6明进行详细阐述。下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结[0038]本发明实施例1提出了一种用于输电工程安全建设的图像识别方法，利用深度学[0041]在步骤S110中，构建用于图像识别的检测网络YOLOV5；所述检测网络YOLOV5在助于了解图像局部和全局的依赖关系。后面为了增强CNN的学习能力，分支路进行特征提[0044]其中类似token的处理方式为：通过Embedding层进行数据变换，对于H*W的特征7[0046]为了解决IOUloss在预测框和真实框非重叠下loss梯度为0的问题，采用[0055]本发明实施例1提出的一种用于输电工程安全建设的图像识别方法提高了整体检[0056]本发明实施例1提出的一种用于输电工程安全建设的图像识别方法能够高效、可[0058]基于本发明实施例1提出的一种用于输电工程安全建设的图像识别方法，本发明实施例2还提出了一种用于输电工程安全建设的图像识别系统。如图3为本发明实施例2一8[0063]构建模块实现的过程包括：如图2为本发明实施例1用于图像识别的检测网络助于了解图像局部和全局的依赖关系。后面为了增强CNN的学习能力，分支路进行特征提[0065]其中类似token的处理方式为：通过Embedding层进行数据变换，对于H*W的特征[0067]为了解决IOUloss在预测框和真实框非重叠下loss梯度为0的问题，采用[0068]训练模块实现的过程包括：图像进行预处理，缩放到检测网络所需尺寸1280*[0074]本发明实施例2提出的一种用于输电工程安全建设的图像识别系统，提高了整体9