[发明专利]基于Vit网络启发式自监督训练的抛洒物异常检测方法

权利要求书

1.基于Vit网络启发式自监督训练的抛洒物异常检测方法，其特征在于，包括以下步骤：

步骤一：先利用不同高速路段上的高速公路摄像头对正常的高速公路路面进行图像采集，得到正常路面图像，再利用不同高速路段上的高速公路摄像头对带有抛洒物的异常高速公路路面进行图像采集，得到异常路面图像；

步骤二：选取ImageNet数据集作为训练集，并在ImageNet数据集上对待训练图片进行视觉变换器网络的自监督训练，实现教师网络的训练；

步骤三：待教师网络训练完毕后取出训练好的教师网络作为特征提取的骨架网络并冻结网络参数，再在骨架网络后面接入一个带线性整流模块的分类头，搭建二分类网络；

步骤四：先将采集到的正常路面图像和异常路面图像进行掩码预处理，再将掩码预处理后的正常路面图像和异常路面图像输入到搭建好的二分类网络中进行分类网络训练；

步骤五：待二分类网络训练完毕后，对于正常图像，将其特征抑制图舍去，对于异常图像，将其特征抑制图保留作为异常定位图并进行异常检测。

2.根据权利要求1所述的基于Vit网络启发式自监督训练的抛洒物异常检测方法，其特征在于：所述步骤一中，采集正常路面图像和异常路面图像的具体步骤为：先选定高速公路摄像头的位置并在选定的位置采集监控视频，再在采集的监控视频中选取抛洒物明显的视频和无抛洒物的视频，然后在选取的视频中每二十帧截取一帧，分别得到异常路面图像和正常路面图像。

3.根据权利要求1所述的基于Vit网络启发式自监督训练的抛洒物异常检测方法，其特征在于：所述步骤二中，自监督训练的具体步骤为：

A1、将待训练的图片分别进行两种不同的数据增强，生成两部分数据，并分别送入结构相同的教师网络和学生网络；

A2、将教师网络的输出向量进行中心化和锐化之后再和学生网络输出向量计算损失函数，反向传播更新学生网络参数；

A3、根据当前教师网络参数和更新后的学生网络参数加权求和更新教师网络参数，并且由当前教师网络输出向量的中心值和当前批量的平均值加权求和更新当前的中心值，实现教师网络的训练。

4.根据权利要求3所述的基于Vit网络启发式自监督训练的抛洒物异常检测方法，其特征在于：所述A1中，所述教师网络和学生网络结构相同，由基本的vit网络和将vit网络输出映射到高维特征空间的投影头组成，对于ImageNet数据集中的待训练图片，一方面通过数据增广T₁统一缩放其尺寸为224×224×3，生成两张全局图X_g1和X_g2，并送入教师网络g_t中，另一方面通过数据增广T₂统一缩放其尺寸为112×112×3，生成n张局部图X_cn，将两张全局图和n张局部图送入学生网络g_s中。