[發(fā)明專(zhuān)利]一種基于輕量級(jí)神經(jīng)網(wǎng)絡(luò)的輸電線路場(chǎng)景分類(lèi)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010893898.5
• 申請(qǐng)日: 2020-08-31
• 公開(kāi)（公告）號(hào): CN112115986A
• 公開(kāi)（公告）日: 2020-12-22
• 發(fā)明（設(shè)計(jì)）人: 李弘宸;楊忠;姜遇紅;韓家明;張馳;賴尚祥;方千慧
• 申請(qǐng)（專(zhuān)利權(quán)）人: 南京航空航天大學(xué)
• 主分類(lèi)號(hào): G06K9/62
• 分類(lèi)號(hào): G06K9/62;G06N3/04;G06N3/08;G06Q50/06
• 代理公司: 南京蘇高專(zhuān)利商標(biāo)事務(wù)所(普通合伙) 32204
• 代理人: 柏尚春

1.一種基于輕量級(jí)神經(jīng)網(wǎng)絡(luò)的輸電線路場(chǎng)景分類(lèi)方法，其特征在于，包括以下步驟：

(1)配置輸電線路場(chǎng)景分類(lèi)系統(tǒng)的運(yùn)行環(huán)境；

(2)設(shè)計(jì)包含卷積層的優(yōu)化預(yù)測(cè)模塊，并利用所述優(yōu)化預(yù)測(cè)模塊搭建輕量級(jí)神經(jīng)網(wǎng)絡(luò)；

(3)利用無(wú)人機(jī)搭載的相機(jī)捕捉輸電線路航拍圖像，并構(gòu)建輸電線路場(chǎng)景分類(lèi)數(shù)據(jù)集，將輸電線路航拍圖像分成訓(xùn)練集和測(cè)試集；

(4)將訓(xùn)練集圖像輸入步驟(2)搭建的輕量級(jí)神經(jīng)網(wǎng)絡(luò)，并對(duì)輕量級(jí)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，將得到的網(wǎng)絡(luò)權(quán)重保存；

(5)將測(cè)試集圖像輸入步驟(4)得到的網(wǎng)絡(luò)模型中進(jìn)行測(cè)試，驗(yàn)證網(wǎng)絡(luò)模型的性能。

2.根據(jù)權(quán)利要求1所述的基于輕量級(jí)神經(jīng)網(wǎng)絡(luò)的輸電線路場(chǎng)景分類(lèi)方法，其特征在于：步驟(2)中，所述優(yōu)化預(yù)測(cè)模塊包括兩個(gè)3×3卷積層、一個(gè)1×1的卷積層、兩個(gè)BN層以及兩個(gè)最大池化層。

3.根據(jù)權(quán)利要求2所述的基于輕量級(jí)神經(jīng)網(wǎng)絡(luò)的輸電線路場(chǎng)景分類(lèi)方法，其特征在于：所述優(yōu)化預(yù)測(cè)模塊中，最后一層卷積層采用sigmoid作為激活函數(shù)，其余卷積層均采用Leaky ReLU作為激活函數(shù)。

4.根據(jù)權(quán)利要求2所述的基于輕量級(jí)神經(jīng)網(wǎng)絡(luò)的輸電線路場(chǎng)景分類(lèi)方法，其特征在于，所述激活函數(shù)Leaky ReLU的表達(dá)式如下：

式中，a表示區(qū)間(1,+∞)內(nèi)的固定參數(shù)。

5.根據(jù)權(quán)利要求1所述的基于輕量級(jí)神經(jīng)網(wǎng)絡(luò)的輸電線路場(chǎng)景分類(lèi)方法，其特征在于：步驟(4)中，利用隨機(jī)梯度下降法對(duì)輕量級(jí)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。

6.根據(jù)權(quán)利要求5所述的基于輕量級(jí)神經(jīng)網(wǎng)絡(luò)的輸電線路場(chǎng)景分類(lèi)方法，其特征在于，所述利用隨機(jī)梯度下降法對(duì)輕量級(jí)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，具體包括以下步驟：

(4.1)激活神經(jīng)網(wǎng)絡(luò)函數(shù)庫(kù)Tensorflow并構(gòu)建輕量級(jí)神經(jīng)網(wǎng)絡(luò)，激活神經(jīng)計(jì)算加速庫(kù)cuDNN；

(4.2)將訓(xùn)練集圖像以張量的形式輸入輕量級(jí)神經(jīng)網(wǎng)絡(luò)；其中，正樣本和負(fù)樣本分別保存于不同文件；

(4.3)計(jì)算梯度下降的方向Θ′，計(jì)算公式為：

式中，Θ代表更新前的網(wǎng)絡(luò)權(quán)重；Θ_j代表更新后的網(wǎng)絡(luò)權(quán)重；α表示初始化初始學(xué)習(xí)率；i＝1表示初始迭代次數(shù)，i＝i_max表示最大迭代次數(shù)。

(4.4)利用SGD的訓(xùn)練策略將訓(xùn)練集圖片輸入Fast-VGG-16網(wǎng)絡(luò)中，并進(jìn)行訓(xùn)練；

(4.5)循環(huán)步驟S44直到達(dá)到最大迭代次數(shù)i_max，結(jié)束循環(huán)，保存網(wǎng)絡(luò)權(quán)重。