[发明专利]一种基于分散注意力机制的电力场景异常行为检测方法

权利要求书

1.一种基于分散注意力机制的电力场景异常行为检测方法，其特征在于：包括以下步骤：

S1：采集电力场景异常行为样本图片；

S2：以Faster R-CNN检测网络为框架增加Split-attention module分散注意力机制模块，建立深度学习网络模型；

S3：将样本集随机划分为训练集和测试集；

S4：对训练集数据进行数据增强，增强后的训练集通过Faster R-CNN、ResNet50和Split-attention module网络结构的深度学习网络模型进行训练，然后采用测试集进行测试调整并优化网络结构；

S5：针对待测图像输入固化后的异常行为检测模型，输出获得检测结果。

2.根据权利要求1所述的一种基于分散注意力机制的电力场景异常行为检测方法，其特征在于：所述步骤S1中电力场景包括但不限于移动安全围栏电力场景、移动电缆支撑架电力场景和移动消防栓电力场景。

3.根据权利要求1所述的一种基于分散注意力机制的电力场景异常行为检测方法，其特征在于：所述步骤S2中分散注意力机制模块由特征图组和分散注意力操作组成。

4.根据权利要求3所述的一种基于分散注意力机制的电力场景异常行为检测方法，其特征在于：所述特征图组将输入的特征图分成K个基数组，与之不同的是，再将基数组内部划分为R个小组，因此最初的输入特征图就被沿着通道维度划分为G＝K×R个特征图小组，然后在每一个特征图小组上施加映射变换。

5.根据权利要求3所述的一种基于分散注意力机制的电力场景异常行为检测方法，其特征在于：所述分散注意力操作每个基数组的组合表示可以通过融合内部分组获得；通过空间维度的全局平均池化可以实现聚合通道维度的全局上下文信息。

6.根据权利要求1所述的一种基于分散注意力机制的电力场景异常行为检测方法，其特征在于：所述步骤S4中所提出的Faster R-CNN、ResNet50和Split-attention module深度学习网络模型性能优于所有现有ResNet变体，并且不会因为结合的结构降低计算效率，甚至可以实现更好的速度精度折衷。