[发明专利]一种基于改进DSD-LinkNet的电力安全带分割方法

权利要求书

1.一种基于改进DSD-LinkNet的电力安全带分割方法，其特征在于，包括以下步骤：

S1：使用YOLOv2目标检测网络将电力安全带检出，并将其送入电力安全带分割网络中，分割网络的输入为安全带的最小外接矩形截出的图片块；

S2：电力分割网络对输入图片进行编码，建立5种不同分辨率等级的卷积层，并使用它们进行两倍下采样；

S3：基于两倍下采样后的特征图，将其中深层特征图的分辨率经两倍上采样后拼接，再经5个反卷积层进行多倍上采样，还原到原输入图像大小；

S4：对还原后的图像直接拼接，再经过最后一层3×3反卷积层后得到输出特征图；

S5：根据最后一层反卷积的输出特征图，预测出原图腰带、安全绳和背景像素对应类别的概率，输出安全带的分割图像；

所述S2中，进行编码的为编码模块，该编码模块的卷积神经网络共有37个卷积层，包括浅层的卷积层和深层的卷积层，浅层的卷积层提取更多细节信息，深层的卷积层提取更加抽象的信息；5种不同分辨率等级的卷积层的分辨率分别为原图分辨率的1/2、1/4、1/8、1/16与1/32；

所述S3引入深度监督机制，在深度卷积神经网络的中间隐藏层加上辅助分类器作为网络分支对主网络进行监督，直接为隐藏层提供伴随监督信息；同时，采用上采样的方式将不同分辨率特征图放大，将放大后的不同分辨率特征图进行融合，经5个反卷积层进行多倍上采样，还原到原输入图像大小；

在融合浅层特征与深层特征时采用跳跃连接方式，将浅层特征的输出作为深层特征的输入；多倍上采样的方式为反卷积方式，在输入图像的每两个像素之间增加大小为步长的空像素，进行转置卷积；

所述S4中，最后一层输出的激活层采用归一化指数函数Softmax作为激活函数，每一个像素对应的输出为一个1乘以3的矢量，矢量的每个维度代表的是一种类别；

所述S4中，通过引入不同类别的损失权重来平衡不同类别对损失函数总体的影响；在数据集中，各个类别的像素数量是不均衡的，像素数量多的类别对损失函数影响大，像素数量少的类别对损失函数影响小；在安全带分割的任务中，最后一层的输出特征图通道数为3，需要在网络原始损失函数的基础上计算3个通道损失之和，改进后的损失函数为：

公式(1)中，W和H分别为最后一层特征图的宽和高，P_i和T_i分别表示特征图中第i个像素所对应的预测值和真实值，N表示一次迭代所用到的图片数量，c表示第c个通道，G_i表示第i个像素所对应的损失权重，计算公式如下：

G_i＝3(1-S_i) (2)

公式(2)中，S_i表示训练集中第i个类别像素数量占总图像像素数量的比例。

2.根据权利要求1所述的一种基于改进DSD-LinkNet的电力安全带分割方法，其特征在于，

引入深度监督机制时，需要将编码模块中3种小分辨率特征图直接反卷积回原输入图像分辨率，同时需要取消对原图分辨率1/32的最小分辨率特征图的深度监督。