[发明专利]一种基于改进DSD-LinkNet的电力安全带分割方法

说明书

本发明涉及一种基于改进DSD‑LinkNet的电力安全带分割方法。本发明包括以下步骤：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。

技术领域

本发明属于视觉算法技术领域，具体涉及一种基于改进DSD-LinkNet的电力安全带分割方法。

背景技术

电力安全带分割属于图像分割问题，实质是将输入图像中的像素进行分类，分类标准为腰带像素、安全绳像素和背景像素。有监督方法是图像分割算法的主要类别之一。有监督方法需要对样本进行标注，通过给网络施加强监督信息，迫使网络自动学习到更好的数据分布，分割准确率较高。DSD-LinkNet电力安全带分割方法属于有监督方法。DSD-LinkNet电力安全带分割方法采用卷积神经网络，通过提取浅层卷积层的细节信息和深层卷积层的抽象信息，对图像特征进行分类。它的网络结构图分为三部分，分别为编码模块、解码模块和预测模块。编码模块中有多个卷积层提取图像特征，解码模块中使用多个反卷积层对小分辨率特征图进行上采样，将特征图的分辨率逐步还原到输入图像大小，预测模块根据最后的输出特征图，预测出原图各个像素对应类别的概率，最终输出安全带的分割图像。

然而，现有基于DSD-LinkNet的电力安全带分割方法存在如下问题：

(1)D-Linknet电力安全带分割方法最后一层的激活函数采用的是Sigmoid函数，可应用于二分类问题。但在安全带分割任务中，标签图中每一个像素属于腰带、安全绳和背景中的一种，属于多分类问题。

(2)D-Linknet电力安全带分割方法的深度网络训练容易消失且收敛速度过慢，网络中间隐藏层特征不明显，网络学习能力较差。

(3)D-Linknet电力安全带分割方法的数据集中，各个类别的像素数量是极度不均衡的，导致像素数量多的类别对损失函数影响大，而像素数量小的类别对损失函数影响小，从而容易引发网络过拟合。

发明内容

为解决上述现有技术存在的技术问题，本发明提出了一种基于改进DSD-LinkNet的电力安全带分割方法。本发明的目的是为了解决原始D-Linknet电力安全带分割方法最后一层的激活函数不能解决多分类的问题；此外，还要解决深度网络训练消失和收敛速度过慢的问题，优化网络中间隐藏层特征，提高网络学习能力；另一方面，针对训练样本像素点不均衡的问题，对损失函数进行改进，防止网络过拟合。

本发明为实现上述发明目的，采取的技术方案如下：

一种基于改进DSD-LinkNet的电力安全带分割方法，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。