System.ArgumentOutOfRangeException: 索引和長度必須引用該字符串內的位置。 參數名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技術實現步驟摘要】
本專利技術屬于輸電線路巡檢,涉及一種基于注意力機制和特征聚合的航拍輸電線分割方法。
技術介紹
1、電力傳輸對于現代社會的各行各業都有著至關重要的影響,確保電力傳輸線路的安全是保障國民經濟發展和人民生活水平提高的重要基礎。有規律地對輸電線路進行巡檢能夠及時發現線路中存在的故障以及危害線路安全的隱患,有助于電力部門對輸電線路進行針對性的保養和維護,從而確保電力傳輸線路的安全,延長其使用壽命。過去,電力檢測主要依靠傳統的人工檢測,高壓輸電線路的人工檢測是非常危險和耗時的。隨著科技的進步,越來越多的電線巡檢都是通過無人機(uav)來完成。而在無人機巡檢過程中,輸電線路的語義分割是一項很關鍵的任務。
2、現有技術的航拍輸電線分割方法主要存在以下兩個問題:
3、1、輸電線路在圖像中所占的像素比例較小,一張包含有輸電線路的圖片的絕大部分像素點都是非電線的背景像素點。且單條電線的像素寬度極小,難以檢測。
4、2、背景干擾嚴重。和輸電線路的形狀顏色幾乎一致的其他線狀物體如繩索、柵欄、樹木中的枝千,或者僅是圖像中某個建筑物的墻體邊緣,都容易被誤檢為輸電線路。
5、故,針對現有技術的缺陷,實有必要提出一種技術方案以解決現有技術存在的技術問題。
技術實現思路
1、為解決上述問題,本專利技術的技術方案為基于注意力機制和特征聚合的航拍輸電線分割方法,包括以下步驟:
2、s1,構建輸電線分割數據集,進行數據增強操作,并劃分訓練集、驗證集和測試集;
>3、s2,將數據集中的圖像輸入神經網絡模型進行訓練,使用加權混合損失函數約束網絡收斂。
4、優選地,所述s2包括以下步驟:
5、s21,在編碼器和解碼器跳躍連接的部分添加融合注意力模塊;
6、s22,設計特征聚合模塊,添加在編碼器第五層的后面;
7、s23,將上述模塊添加進u-net網絡,構建神經網絡模型并訓練網絡模型,使用加權混合損失函數指導網絡進行訓練。
8、優選地,所述s21包括以下步驟:
9、s211,將輸入特征圖輸入通道注意力模塊;
10、s212,將原始輸入特征圖與得到的通道注意力圖權重相乘,得到增強后的特征圖;
11、s213,將s212得到的特征圖輸入空間注意力模塊;
12、s214,將s212得到的特征圖與空間注意力圖權重相乘得到最終的輸出特征圖。
13、優選地,所述s211具體包括以下步驟:
14、將輸入特征圖對高和寬分別進行全局平均池化和全局最大池化;
15、將它們分別送入一個共享的兩層神經網絡,該網絡由兩個全連接層和一個relu激活函數組成;
16、將兩個輸出特征進行相加;
17、通過sigmoid激活后得到最終的通道注意力圖。
18、優選地,所述s213具體包括以下步驟:
19、對s212得到的特征圖分別進行全局平均池化和全局最大池化,將這兩個特征圖在通道維度上拼接;
20、分別通過3*3卷積,7*7卷積以及空洞率為4的3*3卷積后相加;
21、經過sigmoid激活操作后得到空間注意力圖。
22、優選地,所述s22包括以下步驟:
23、s221,輸入特征分別通過4個不同擴張率的空洞卷積分支獲得不同的感受野,其中,擴張率設置為1,2,4,8;
24、s222,將得到的4個特征與輸入特征拼接到一起,得到了多尺度的特征圖;
25、s223,使用1×1的卷積將通道壓縮至與輸入特征的通道一致。
26、優選地,所述s23進一步包括:
27、s231,根據提出的模塊構建網絡模型,在編碼器和解碼器跳躍連接的部分添加融合注意力模塊;在編碼器第五層的后面添加特征聚合模塊;
28、s232,使用加權混合損失函數指導網絡進行訓練,包括focal?loss,dice?loss和mcc?loss,計算如下:
29、losspl=0.8*lossfocal-0.2*ln(1-lossdice)+0.1lossmcc
30、其中,細化的損失函數如下
31、
32、其中,α為權重因子,γ為調節因子,x表示標簽類別的真實值,p表示模型對標簽x=1的類的估計概率;
33、
34、其中,yi與qi分別表示第i個像素的標簽值和預測值,n為像素點總個數;
35、
36、其中,mcc的計算公式如下
37、
38、其中,tp表示預測正確的輸電線像素個數;fp表示預測為輸電線,實際為背景的像素個數;fn表示預測為背景,實際為輸電線的像素個數;tn表示預測正確的背景像素個數。
39、本專利技術至少具有以下有益效果:本專利技術在編碼器和解碼器的跳躍連接部分嵌入融合注意力模塊,引導模型獲取全局上下文信息,使其更好地強調輸電線的區域;提出特征聚合塊來生成更豐富的語義特征,進一步提高輸電線的分割精度。對本專利技術的技術方案基于已有的公共數據集進行訓練和測試,測試結果明顯優于現有算法。
本文檔來自技高網...【技術保護點】
1.一種基于注意力機制和特征聚合的航拍輸電線分割方法,其特征在于,包括以下步驟:
2.根據權利要求1所述的方法,其特征在于,所述S2包括以下步驟:
3.根據權利要求2所述的方法,其特征在于,所述S21包括以下步驟:
4.根據權利要求3所述的方法,其特征在于,所述S211具體包括以下步驟:
5.根據權利要求3所述的方法,其特征在于,所述S213具體包括以下步驟:
6.根據權利要求2所述的方法,其特征在于,所述S22包括以下步驟:
7.根據權利要求2所述的方法,其特征在于,所述S23進一步包括:
【技術特征摘要】
1.一種基于注意力機制和特征聚合的航拍輸電線分割方法,其特征在于,包括以下步驟:
2.根據權利要求1所述的方法,其特征在于,所述s2包括以下步驟:
3.根據權利要求2所述的方法,其特征在于,所述s21包括以下步驟:
4.根據權利要求3所述的方法,其...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。