CN119417840A 一种基于多任务的输电线路防震锤缺陷检测方法 （华东交通大学）_第1页
CN119417840A 一种基于多任务的输电线路防震锤缺陷检测方法 （华东交通大学）_第2页
CN119417840A 一种基于多任务的输电线路防震锤缺陷检测方法 （华东交通大学）_第3页
CN119417840A 一种基于多任务的输电线路防震锤缺陷检测方法 （华东交通大学）_第4页
CN119417840A 一种基于多任务的输电线路防震锤缺陷检测方法 （华东交通大学）_第5页
已阅读5页，还剩9页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于多任务的输电线路防震锤缺陷检本发明提供一种基于多任务的输电线路防震锤图像，并生成接近真实故障样本的数据样检测网络模型构建分类损失函数和分割损失函数，建立的多任务检测网络模型包括共享特征替训练的方式对所述多任务检测网络模型进行能够解决现有技术鲁棒性和检测性能较差的问2步骤S1，获取原始输电线路防震锤图像，对原始输步骤S2，建立多任务检测网络模型，并为所述多任步骤S4，将待检测的输电线路防震锤图像输入至训练后的多任将提取到的图像特征送入DeepLabV3+分割网络，获取多尺度融合;长宽比相关系数，c表示同时包含预测框和真实框的最小封闭区域的对角长度距离，p2(b,b8")表示预测框中心点和真实框中心点的欧式距离，v为长宽比一致性衡量参数，3震锤的预测框和真实框的交集与防震锤的预测框和真实;;;;分支的权重参数，w(t-1)为分类分支在第t_1次迭代时验证集损失和训练集损失之间的比例，为分隔分支在第t_1次迭代时验证集损失和训练集损失之间的比首先构建分类分支的训练集和分割分支的训练集，分类分次迭代训练的过程是从分类分支的训练集中采样的m个最小批次样本LY训练分类分支，通过最小化分类损失函数Lc更新分类分支的模型参数，再从分割分支的训练集中采样的m个4共享特征层包括MobileNetV3网络与改进的空洞空间金字塔池化模块，分类分支采用YOLOv5s分类网络，分割分支采用DeepLabV3+分割网络，所述共享特征层用于提取图像特步骤S4，将待检测的输电线路防震锤图像输入至训练后的多任务检测网络模型，5共享特征层包括MobileNetV3网络与改进的空洞空间金字塔池化模块，分类分支采用YOLOv5s分类网络，分割分支采用DeepLabV3+分割网络，所述共享特征层用于提取图像特特征图，随后将数据样本的特征图送入改进的空洞空间金字塔池化模块提取多尺度特征，6;;为长宽比相关系数，c表示同时包含预测框和真实框的最小封闭区域的对角长度距离，p2(b,b8")表示预测框中心点和真实框中心点的欧式距离，v为长宽比一致性衡量参数，震锤的预测框和真实框的交集与防震锤的预测框和真实框的并集的交并[0016]本实施例中，分割损失函数是在多类别交叉熵损失函数;;;7;割分支的权重参数，为分类分支在第t_1次迭代时验证集损失和训练集损失之每一次迭代训练的过程是从分类分支的训练集中采样的m个最小批次样本LY训练分类分的m个最小批次样本LD训练分割分支，通过最小化分割损失函数Lse更新分割分支的模型参[0020

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论