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。