基于层级区域特征融合学习的输电线路缺陷检测方法

摘要

本发明公开了基于层级区域特征融合学习的输电线路缺陷检测方法，包括：构建和调取Faster R‑CNN模型；将主干网络提取的目标特征通过RPN网络回归得到目标区域；通过对输入图像进行RoI pooling操作产生局部层级区域特征，通过深度选择网络学习产生特征融合所需要的权重将深层特征区域和浅层特征区域融合；并通过分类网络和回归网络产生最后的预测结果。本发明利用深度选择网络产生自学习的区域特征融合权重，节省调整参数的时间，并使模型学习得到的融合特征能够较好地适应不同复杂情况下的缺陷检测任务，深度模型使用区域特征进行预测，强化模型对提取目标局部特征的学习能力，降低了模型在实际环境中因输电线路缺陷图像的复杂背景和类间差异产生的误检问题。