申请/专利权人：南京航空航天大学

申请日：2020-08-31

公开（公告）日：2024-04-16

公开（公告）号：CN112115986B

主分类号：G06V10/764

分类号：G06V10/764;G06V20/10;G06V20/17;G06V10/82;G06N3/0464;G06N3/084;G06Q50/06;G06N3/048

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2021.01.08#实质审查的生效;2020.12.22#公开

摘要：本发明公开了一种基于轻量级神经网络的输电线路场景分类方法，包括以下步骤：1配置输电线路场景分类系统的运行环境；2设计包含卷积层的优化预测模块，用来搭建轻量级神经网络；3利用无人机搭载的相机捕捉输电线路航拍图像，并构建输电线路场景分类数据集，将输电线路航拍图像分成训练集和测试集；4将训练集图像输入步骤2搭建的轻量级神经网络，并对轻量级神经网络进行训练，将得到的网络权重保存；5将测试集图像输入步骤4得到的网络模型中进行测试，验证网络模型的性能。本发明对输电线路复杂场景具有很强的适应能力，相对于VGG‑16，FAST‑VGG‑16内存占比低且和分类精度高，有效去除无效信息，提高无人机巡检的效率。

主权项：1.一种基于轻量级神经网络的输电线路场景分类方法，其特征在于，包括以下步骤：1配置输电线路场景分类系统的运行环境；2设计包含卷积层的优化预测模块，并利用所述优化预测模块搭建轻量级神经网络；3利用无人机搭载的相机捕捉输电线路航拍图像，并构建输电线路场景分类数据集，将输电线路航拍图像分成训练集和测试集；4将训练集图像输入步骤2搭建的轻量级神经网络，并对轻量级神经网络进行训练，将得到的网络权重保存；5将测试集图像输入步骤4得到的网络模型中进行测试，验证网络模型的性能；步骤4中，利用随机梯度下降法对轻量级神经网络进行训练；所述利用随机梯度下降法对轻量级神经网络进行训练，具体包括以下步骤：4.1激活神经网络函数库Tensorflow并构建轻量级神经网络，激活神经计算加速库cuDNN；4.2将训练集图像以张量的形式输入轻量级神经网络；其中，正样本和负样本分别保存于不同文件；4.3计算梯度下降的方向Θ′，计算公式为： 式中，Θ代表更新前的网络权重；Θj代表更新后的网络权重；α表示初始化初始学习率；i＝1表示初始迭代次数，i＝imax表示最大迭代次数；4.4利用SGD的训练策略将训练集图片输入Fast-VGG-16网络中，并进行训练；4.5循环步骤S44直到达到最大迭代次数imax，结束循环，保存网络权重。

全文数据：

权利要求：

百度查询： 南京航空航天大学 一种基于轻量级神经网络的输电线路场景分类方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD