买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：重庆大学;中电科特种飞机系统工程有限公司

摘要：本发明涉及智能检测技术领域，具体涉及一种知识引导的红外电力线智能检测方法。基于RetinaNet模型建立从红外图像中分类出电力线的检测模型，其中，在特征金字塔网络的特征融合阶段后嵌认知解码器，形成KRNet模型，训练中，对应回归子网络的输出的边框回归结果，采用RACIoU损失函数，该损失函数针对电力线的固有非定向性而定制，通过额外考虑旋转角度来扩展现有的CIoU损失；对应于分类子网络的输出，采用了二元交叉熵函数作为损失函数，同时纳入边界回归和分类损失。通过采用知识嵌入策略，在模型构建和训练中考虑电力线的先验信息，实现在复杂背景下对电力线的全面感知，从而提高检测准确性。

主权项：1.一种知识引导的红外电力线智能检测方法，包括，基于RetinaNet模型建立从红外图像中分类出电力线的检测模型，所述RetinaNet模型主要由依次连接的ResNet50主干网络、特征金字塔网络组成，特征金字塔网络的输出分别输入至回归子网络和分类子网络得到相应的边框回归结果和分类结果；其特征在于，在特征金字塔网络之后嵌入认知解码器，形成KRNet模型，所述认知解码器包括线性聚合分支和分布感知分支；认知解码器基于自注意力机制中的思路，应用三个卷积，将维度为H×W×C的输入特征X映射为维度为的三个低维特征：Q、K和V，其中r表示降维系数；三个低维特征均输入到分布感知分支中，利用双向自注意力机制探索电力线分布特征，其中包括电力线和铁塔之间的关系；三个低维特征还输入到线性聚合分支中，采用形卷积进行有效的线性特征挖掘；最后利用分布感知分支的输出对线性聚合分支的输出进行调整，得到的结果再利用卷积得到维度为H×W×C的输出特征输入回归子网络和分类子网络；训练中，对应回归子网络的输出的边框回归结果，采用RACIoU损失函数，该损失函数针对电力线的固有非定向性而定制，通过额外考虑旋转角度来扩展现有的CIoU损失；对应于分类子网络的输出，采用了二元交叉熵函数作为损失函数，同时纳入边界回归和分类损失；利用训练后的KRNet模型从红外图像中检测电力线。

全文数据：

权利要求：

百度查询： 重庆大学 中电科特种飞机系统工程有限公司 一种知识引导的红外电力线智能检测方法