[发明专利]一种适用于电力场景的语义分析方法及系统

权利要求书

1.一种应用于电力场景的语义分析方法，其特征在于，包括：

获取待测电力场景图像；

预处理待测电力场景图像；

将预处理后的待测电力场景图像通过特征学习网络获取视觉特征表述，并与预先构建的索引表对照，得到待测电力场景图像的语义预测；

其中，特征学习网络由全卷积网络和深度自动编码器组成，全卷积网络用于对电力场景图像进行像素级的多层特征学习提取，自动编码器用于根据多层神经网络特征计算最终网络的权值，生成视觉特征表述；索引表内存储视觉特征表述与语义预测结果的对应关系。

2.如权利要求1所述的应用于电力场景的语义分析方法，其特征在于，预处理操作包括提取待测电力场景图像的前景重点信息及滤除背景。

3.如权利要求2所述的应用于电力场景的语义分析方法，其特征在于，利用显著性检测模拟人类视觉的方法进行前景重点信息的提取。

4.如权利要求1所述的应用于电力场景的语义分析方法，其特征在于，索引表基于设定训练样本集而建立的。

5.如权利要求4所述的应用于电力场景的语义分析方法，其特征在于，在建立索引表的过程中，将全卷积网络中多个卷积层对训练样本提取的特征进行融合，统一多层卷积层的尺度，将融合后特征作为输出层用于最终的语义预测。

6.如权利要求5所述的应用于电力场景的语义分析方法，其特征在于，通过插值方式将多层卷积层的尺度达到相同尺度。

7.如权利要求1所述的应用于电力场景的语义分析方法，其特征在于，在建立索引表之前，还包括初始化全卷积网络的参数。

8.一种应用于电力场景的语义分析系统，其特征在于，包括：

图像获取模块，其用于获取待测电力场景图像；

预处理模块，其用于预处理待测电力场景图像；

语义预测模块，其用于将预处理后的待测电力场景图像通过特征学习网络获取视觉特征表述，并与预先构建的索引表对照，得到待测电力场景图像的语义预测；

其中，特征学习网络由全卷积网络和深度自动编码器组成，全卷积网络用于对电力场景图像进行像素级的多层特征学习提取，自动编码器用于根据多层神经网络特征计算最终网络的权值，生成视觉特征表述；索引表内存储视觉特征表述与语义预测结果的对应关系。

9.如权利要求8所述的应用于电力场景的语义分析系统，其特征在于，在所述预处理模块中，预处理操作包括提取待测电力场景图像的前景重点信息及滤除背景。

10.如权利要求9所述的应用于电力场景的语义分析系统，其特征在于，在所述预处理模块中，利用显著性检测模拟人类视觉的方法进行前景重点信息的提取。

11.如权利要求8所述的应用于电力场景的语义分析系统，其特征在于，索引表基于设定训练样本集而建立的。

12.如权利要求11所述的应用于电力场景的语义分析系统，其特征在于，在所述语义预测模块中，在建立索引表的过程中，将全卷积网络中多个卷积层对训练样本提取的特征进行融合，统一多层卷积层的尺度，将融合后特征作为输出层用于最终的语义预测。

13.如权利要求12所述的应用于电力场景的语义分析系统，其特征在于，在所述语义预测模块中，通过插值方式将多层卷积层的尺度达到相同尺度。

14.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一项所述的应用于电力场景的语义分析方法中的步骤。

15.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一项所述的应用于电力场景的语义分析方法中的步骤。