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：广东工业大学

摘要：本发明公开了一种基于深度学习的变电站红外图像老鼠识别方法，属于深度学习技术领域，包括以下步骤：获取变电站内老鼠的红外图像数据集，并进行预处理；基于特征提取模块、空间金字塔池化结构以及多感知目标检测头，构建变电站红外图像老鼠检测算法；基于预处理后的红外图像数据集对所述变电站红外图像老鼠检测算法进行训练；将训练后的变电站红外图像老鼠检测算法部署在变电站的红外摄像头中，对变电站内老鼠进行实时监控和预警。本发明建立了易于训练的变电站红外图像老鼠目标检测网络，具有高准确率和高泛化性的特点，建模完成后可以部署在各个变电站场景中的红外摄像头内，并建立相对应的预警与监控系统，实现对老鼠目标的实时监控。

主权项：1.一种基于深度学习的变电站红外图像老鼠识别方法，其特征在于，包括以下步骤：获取变电站内老鼠的红外图像数据集，并进行预处理；基于特征提取模块、空间金字塔池化结构以及多感知目标检测头，构建变电站红外图像老鼠检测算法；基于预处理后的红外图像数据集对所述变电站红外图像老鼠检测算法进行训练；将训练后的变电站红外图像老鼠检测算法部署在变电站的红外摄像头中，对变电站内老鼠进行实时监控和预警；基于特征提取模块对变电站内老鼠的红外图像进行处理的过程包括：对待处理的红外图像进行特征提取，获得第一特征图，将第一特征图输入可变形卷积进行可变形卷积运算，对可变形卷积运算后的第一特征图进行批归一化和ReLU函数运算，获得第二特征图；将第二特征图在通道维度上进行通道分裂的操作，获得通道数均为第二特征图通道数一半的第三特征图和第四特征图；将第四特征图输入到可变形卷积中，随后再依次进行批归一化和ReLU函数运算，输出第五特征图；将第五特征图输入至可变形注意力模块中进行处理，输出第六特征图；将第三特征图和第六特征图在通道维度上进行残差连接，获得通道数为第三特征图和第六特征图通道数总和的第七特征图；对第七特征图进行卷积运算，随后再依次进行批归一化和ReLU函数运算，输出第八特征图；将第五特征图输入至可变形注意力模块中进行处理的过程包括：输入第五特征图的维度进行处理，生成一个均匀的参考网格，将第五特征图与参数矩阵相乘进行线性投影，获得一个查询向量，随后将查询向量输入到一个偏移子网络中，获得基于参考网格的偏移量；将参考网格中的每个参考点与对应的偏移量相加，获得每个参考点偏移后的移位点；然后对移位点的坐标使用双线性插值进行特征采样，获得采样特征，将采样特征进行线性投影，获得关键向量和数值向量；基于多头注意力对关键向量和数值向量进行特征提取，将所提取的每个注意力头部的特征进行连接，然后将连接后的特征与输出权重矩阵相乘输出第六特征图；基于空间金字塔池化结构对变电站内老鼠的红外图像进行处理的过程包括：对待处理的红外图像进行特征提取，获得第一池化特征图，将第一池化特征图输入到深度可分离卷积中，随后再输入批归一化层，输出第二池化特征图；将第二池化特征图输入到全局注意力机制模块中，进行通道注意力增强操作，输出第三池化特征图；将第三池化特征图输入到最大池化层，获得第四池化特征图，随后再依次输入两层最大池化层，分别得到第五池化特征图和第六池化特征图；将第三池化特征图、第四池化特征图、第五池化特征图和第六池化特征图沿通道维度进行拼接，输出第七池化特征图；将第七池化特征图输入到深度可分离卷积中，随后再输入批归一化层，输出第八池化特征图。

全文数据：

权利要求：

百度查询： 广东工业大学 一种基于深度学习的变电站红外图像老鼠识别方法