基于非配对图像间转化弱监督学习的输电线路检测

邱家峰; 刘新民; 隆中强; 杨宇轩; 马浩然; 陈玉军

doi:10.16339/j.cnki.jsjsyzdh.202403020

计算技术与自动化 ›› 2024, Vol. 43 ›› Issue (03) : 114 -120. DOI: 10.16339/j.cnki.jsjsyzdh.202403020

基于非配对图像间转化弱监督学习的输电线路检测

邱家峰, 刘新民, 隆中强, 杨宇轩, 马浩然, 陈玉军

作者信息 +

Author information +

文章历史 +

PDF

摘要

为了利用UAV航拍图像检测输电线路从而确保电力系统稳定运行，提出了一种基于弱监督学习和非配对图像间转化的输电线路检测方法。利用弱监督学习框架生成输电线路的定位掩码，通过引入新的并行扩展注意力(PDA)模块整合来自不同感受野的信息，从而重新校准通道重要性并提高检测精度。采用基于关联规则学习的算法生成伪线数据集，运用PDA中的注意力定位掩码(ALM)和伪线数据之间的非配对图像间转化技术构建精炼网络，从而增强输电线路的线形特性，实现了仅需图像级标签即可直接检测。实验结果表明，就F1分数而言，所提出的检测方法比目前最先进的递归噪声样本更新(RNLU)方法优越2.74%,并在消融实验中验证了精炼网络每个步骤都具有有效性。