摘要
本发明提出一种基于事件数据约束的变电站入侵目标检测和分类方法,属于计算机视觉及人工智能技术领域。通过在可见光图像的深度神经网络基础上加入事件成像数据约束形成事件数据约束的目标检测网络,该目标检测网络能同时提取可见光图像模态和事件成像图像模态两种模态的成像数据特征,本发明不仅能提高对动态入侵目标检测精度和分类精度;同时,在光照不足情况下,也具有精确性及鲁棒性方面优势,能够降低变电站入侵动态目标检测和分类方法受场景及光照因素的影响。
技术关键词
特征提取模块
可见光图像
注意力
分类方法
事件特征
多层感知机
变电站
深度神经网络
事件相机
数据
解码器单元
结构网络
同步采集功能
成像特征
深度学习模型训练
系统为您推荐了相关专利信息
结构拓扑优化方法
去噪模型
变量
交叉注意力机制
高分辨率结构
大型室内空间
运动物体定位方法
融合深度信息
Vibe算法
像素点
TTS方法
语音编码
文本
神经网络模型
情感类别
关键词
云端
安保平台
轻量化卷积神经网络
设备端
文本特征向量
特征提取模型
聚类分析算法
格式
自然语言